Оглавление

  1. Вступление
  2. Обработка данных 2.1 Загрузка необходимых пакетов 2.2 Загрузка данных 2.3 Очистка данных
  3. Приватизация в Украине. 1992-2015 гг.
  4. Приватизация как источник пополнения государственного бюджета Украины
  5. Государственный контроль или вспоминает ли государство о своей бывшей собственности?
  6. Экономическое развитие Украины, 25 лет пути
  7. Структурные изменения в трудовых ресурсах Украины
  8. Индустриальное производство

ВСТУПЛЕНИЕ

???????????? ?? ???????????????? (???????????? ???????????????? ????????????????)

ОБРАБОТКА ДАННЫХ

Загрузка необходимых пакетов

library(dplyr)
library(ggplot2)
library(scales)
library(wbstats)
library(Quandl)
library(xlsx)
library(gridExtra)
library(rvest)
library(stringr)
library(tidyr)

Загрузка данных

# DOWNLOAD FILES

## 1. Extractive Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Extractive%20industry.xlsx"
if(!file.exists("Extractive industry.xlsx")){
        download.file(url, destfile = "Extractive industry.xlsx", method = "curl")
}

## 2. Processing Industry Data
url <- "https://rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/master/Data/Processing%20industry_fin.xlsx"
if(!file.exists("Processing industry_fin.xlsx")){
        download.file(url, destfile = "Processing industry_fin.xlsx", method = "curl")
}
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments%20in%20the%20fixed%20assets.xlsx"
if(!file.exists("investments in the fixed assets.xlsx")){
        download.file(url, destfile = "investments in the fixed assets.xlsx", method = "curl")
}

## 4. Data on the number of people employed in various sectors of the economy for years 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/labour.xlsx"
if(!file.exists("labour.xlsx")){
        download.file(url, destfile = "labour.xlsx", method = "curl")
}

## 4a. Data on the number of people employed in economic activities
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/84f82fa1/Data/employed_in_economic_activity.xlsx"
if(!file.exists("employed_in_economic_activity.xlsx")){
        download.file(url, destfile = "employed_in_economic_activity.xlsx", method = "curl")
}


## 5. Private sector share in GDP (in per cent)  
#url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/GDP_by_private_companies_ua_by_year.xlsx"
#if(!file.exists("GDP_by_private_companies_ua_by_year.xlsx")){
#        download.file(url, destfile = "GDP_by_private_companies_ua_by_year.xlsx", method = "curl")
#        }

## 5. Private sector share in GDP (in per cent) 
url <- "http://www.ebrd.com/downloads/research/economics/macrodata/sci.xls"
if(!file.exists("sci.xls")){
        download.file(url, destfile = "sci.xls", method = "curl")
}

## 6. Data on investments in privatized companies by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/investments_in_privatized_companies.xlsx"
if(!file.exists("investments_in_privatized_companies.xlsx")){
        download.file(url, destfile = "investments_in_privatized_companies.xlsx", method = "curl")
}

## 7. Data on Enterprises by ownership
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/number_of_enterprices_%20by_ownership_ua.xlsx"
if(!file.exists("number_of_enterprices_ by_ownership_ua.xlsx")){
        download.file(url, destfile = "number_of_enterprices_ by_ownership_ua.xlsx", method = "curl")
}

## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_contracts_over_control.xlsx"
if(!file.exists("privatization_contracts_over_control.xlsx")){
        download.file(url, destfile = "privatization_contracts_over_control.xlsx", method = "curl")
}

## 9. Privatization index of EBRD. Selected countries
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_index_EBRD_selected_countries.xlsx"
if(!file.exists("privatization_index_EBRD_selected_countries.xlsx")){
        download.file(url, destfile = "privatization_index_EBRD_selected_countries.xlsx", method = "curl")
}

## 10. % of privatization in the total Ukrainian budget receipts per year
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx"
if(!file.exists("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx")){
        download.file(url, destfile = "privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", method = "curl")
}

## 11. Data on the groups, number and years of privatized companies in the Ukraine
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
if(!file.exists("privatization_ua.xlsx")){
        download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
}

## 12. Ukrainian Budget Receipt from privatization (comulative total)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_comulative_total.xlsx"
if(!file.exists("ukr_budget_receipt_comulative_total.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_comulative_total.xlsx", method = "curl")
}

## 13. Ukrainian Budget Receipt from privatization (per year)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/f0973d87/Data/ukr_budget_receipt_per_year.xlsx"
if(!file.exists("ukr_budget_receipt_per_year.xlsx")){
        download.file(url, destfile = "ukr_budget_receipt_per_year.xlsx", method = "curl")
}

## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/9aac259c/Data/privatization_by_economic_activity.xlsx"
if(!file.exists("privatization_by_economic_activity.xlsx")){
        download.file(url, destfile = "privatization_by_economic_activity.xlsx", method = "curl")
}

## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/violations_in_%20the_%20contracts_over_control.xlsx"
if(!file.exists("violations_in_ the_ contracts_over_control.xlsx")){
        download.file(url, destfile = "violations_in_ the_ contracts_over_control.xlsx", method = "curl")
}

## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/00c8fffa/Data/penalties_per_violation_in_the_contracts_over_control.xlsx"
if(!file.exists("penalties_per_violation_in_the_contracts_over_control.xlsx")){
        download.file(url, destfile = "penalties_per_violation_in_the_contracts_over_control.xlsx", method = "curl")
}

## 17. Salaries in Ukraine by economic activity and company (orgainzation, institution, body) legal form in 2015 (UAH)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/8355cb04/Data/salaries%20by%20economic%20activity.xlsx"
if(!file.exists("salaries by economic activity.xlsx")){
        download.file(url, destfile = "salaries by economic activity.xlsx", method = "curl")
}

## 18. Labour force of Ukraine by economic activity in 2015 (%)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/8355cb04/Data/labour%20force%20by%20economic%20activity.xlsx"
if(!file.exists("labour force by economic activity.xlsx")){
        download.file(url, destfile = "labour force by economic activity.xlsx", method = "curl")
}

## 19. Global Economic Monitor.
url <- "http://databank.worldbank.org/data/download/GemDataEXTR.zip"
if(!file.exists("GemDataEXTR.zip")){
        download.file(url, destfile = "GemDataEXTR.zip")
}
# Extract the desired file from zip
unzip("GemDataEXTR.zip", files = "Industrial Production, constant 2010 US$, not seas. adj..xlsx")

## 20. Monopolization of Ukraine by years
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/monopoly%20by%20year.xlsx"
if(!file.exists("monopoly by year.xlsx")){
        download.file(url, destfile = "monopoly by year.xlsx", method = "curl")
}

## 21. Monopolization by the branches of national economy
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/Monopolization%20by%20the%20branches%20of%20national%20economy.xlsx"
if(!file.exists("Monopolization by the branches of national economy.xlsx")){
        download.file(url, destfile = "Monopolization by the branches of national economy.xlsx", method = "curl")
}

## 22. Monopolization level by economic activity
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/79475ea3/Data/monopolization%20level%20by%20economic%20activity.xlsx"
if(!file.exists("monopolization level by economic activity.xlsx")){
        download.file(url, destfile = "monopolization level by economic activity.xlsx", method = "curl")
}

## 23. Wearout of fixed assets (%) (Fig.70-72)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/6bd2543c/Data/fixed%20assets.xlsx"
if(!file.exists("fixed assets.xlsx")){
        download.file(url, destfile = "fixed assets.xlsx", method = "curl")
}

## 24. Foreign direct investments (ukrstat) (Fig.73)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/42b4d464/Data/direct%20investments%20ukrstat.xlsx"
if(!file.exists("fixed assets.xlsx")){
        download.file(url, destfile = "direct investments ukrstat.xlsx", method = "curl")
}

## 25. % of offshore zones investments in Ukraine (Fig.74)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/8c837f85/Data/offshore%20zones%20investments.xlsx"
if(!file.exists("offshore zones investments.xlsx")){
        download.file(url, destfile = "offshore zones investments.xlsx", method = "curl")
}

## 26. % of offshore zones and Netherlands investments in Ukraine (Fig.74a)
url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/42b4d464/Data/offshore%20zones%20%2BNetherlands%20investments.xlsx"
if(!file.exists("offshore zones +Netherlands investments.xlsx")){
        download.file(url, destfile = "offshore zones +Netherlands investments.xlsx", method = "curl")
}

#----------------------------------------------------------------------------------------------------------------

#READ FILES
## 1. Extractive Industry Data
ExtractiveIndustry <- read.xlsx("Extractive industry.xlsx", sheetName="extractive industry", header=TRUE)
## 2. Processing Industry Data
ProcessingIndustry <- read.xlsx("Processing industry_fin.xlsx", sheetName="processing industry", header=TRUE)
## 3. Investments in the fixed assets of ukrainain companies by type of the economic activity per year
FixedAssetsInvestments <- read.xlsx("investments in the fixed assets.xlsx", sheetName="investments in the fixed assets",header=TRUE)
## 4. Data on the number of people employed in various sectors of the economy for years
Labour <- read.xlsx("labour.xlsx", sheetName="labour of ukraine", header=TRUE)

## 4a. Data on the number of people employed in economic activities
Employed_in_economic <- read.xlsx("employed_in_economic_activity.xlsx", sheetName="employed in activities", header=TRUE)

## 5. Private sector share in GDP (in per cent) 
#GDPprivat <- read.xlsx("GDP_by_private_companies_ua_by_year.xlsx", sheetName="GDP by private companies in Ukr", header=TRUE)

GDPprivat <- read.xlsx("sci.xls", sheetName="Ukraine", header=TRUE)

## 6. Data on investments in privatized companies by years
PrivatizedCompaniesInvestments <- read.xlsx("investments_in_privatized_companies.xlsx", sheetName="invest", header=TRUE)
## 7. Data on Enterprises by ownership
OwnershipData <- read.xlsx("number_of_enterprices_ by_ownership_ua.xlsx", sheetName="enterprises by ownership", header=TRUE)
## 8. Privatization contracts by State control over the fulfillment of the terms of sales contracts by groups of privatization objects 
PrivStateControl <- read.xlsx("privatization_contracts_over_control.xlsx", sheetName="control over contracts", header=TRUE)
## 9. Privatization index of EBRD. Selected countries
PrivIndexEBRD <- read.xlsx("privatization_index_EBRD_selected_countries.xlsx", sheetName="privatization index", header=TRUE)
## 10. % of privatization in the total Ukrainian budget receipts per year
BudgetPrivReceipts <- read.xlsx("privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx", sheetName="% of privatization in total ", header=TRUE)
## 11. Data on the groups, number and years of privatized companies in the Ukraine
PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
## 12. Ukrainian Budget Receipt from privatization (comulative total)
BudgetPriv_comulative <- read.xlsx("ukr_budget_receipt_comulative_total.xlsx", sheetName="budget receipt comulative", header=TRUE)
## 13. Ukrainian Budget Receipt from privatization (per year)
BudgetPriv_perYear <- read.xlsx("ukr_budget_receipt_per_year.xlsx", sheetName="budget receipts per year", header=TRUE)
## 14. Number of privatized companies of groups В,G by industries on.01.01.2005
Priv_economic_activity <- read.xlsx("privatization_by_economic_activity.xlsx", sheetName="privatization by econom.act.", header=TRUE)
## 15. Analysis of the control over the fulfillment of the terms of sales contracts by groups of privatization objects
Violations_contracts <- read.xlsx("violations_in_ the_ contracts_over_control.xlsx", sheetName="violations", header=TRUE)
## 16. Penalties accrued for violating the terms of contracts of sale and purchase of privatization objects by years
Penalties_per_violation <- read.xlsx("penalties_per_violation_in_the_contracts_over_control.xlsx", sheetName="penalties", header=TRUE)
## 17. Salaries in Ukraine by economic activity and company (orgainzation, institution, body) legal form in 2015 (UAH)
Salaries <- read.xlsx("salaries by economic activity.xlsx", sheetName="salaries by econom.act.", header=TRUE)
## 18. Labour force of Ukraine by economic activity in 2015 (%)
Labour_force <- read.xlsx("labour force by economic activity.xlsx", sheetName="labour force by econom.act.", header=TRUE)
## 19. Global Economic Monitor -> Industrial production 
Industrial_production <- read.xlsx("Industrial Production, constant 2010 US$, not seas. adj..xlsx", sheetName="annual", header=TRUE)
## 20. Monopolization of Ukraine by years
Monopoly_ua <- read.xlsx("monopoly by year.xlsx", sheetName="market type", header=TRUE)
## 21. Monopolization by the branches of national economy
Monopoly_by_branches <- read.xlsx("Monopolization by the branches of national economy.xlsx", sheetName="monoply by branch of nationecon", header=TRUE)
## 22. Monopolization level by economic activity
Monopoly_by_activity <- read.xlsx("monopolization level by economic activity.xlsx", sheetName="monopoly by econ.act.", header=TRUE)
## 23. Wearout of fixed assets (%) (Fig.70-72)
Depreciation_fixed_assets <- read.xlsx("fixed assets.xlsx", sheetName="wearout by ec.act.", header=TRUE)
## 24. Foreign direct investments (ukrstat) (Fig.73)
direct.investments.goskomstat <- read.xlsx("direct investments ukrstat.xlsx", sheetName="direct investments_ukr", header=TRUE)
## 25. % of offshore zones investments in Ukraine (Fig.74)
Offshore_investments <- read.xlsx("offshore zones investments.xlsx", sheetName="offshore investments", header=TRUE)
## 26. % of offshore zones and Netherlands investments in Ukraine (Fig.74a)
Offshore.andN_investments <- read.xlsx("offshore zones +Netherlands investments.xlsx", sheetName="offshore investments", header=TRUE)

Очистка данных

# 1. Extractive Industry Data
## new column names of dataframe
colnames(ExtractiveIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## new temporary dataframe
testDF <- data.frame()

## convert dataframe ExtractiveIndustry in to machine format
for (x in 1:15) {
        year <- 1990
        testDF$X.Coal.available. <- as.character(testDF$X.Coal.available.)
        testDF$X.Million.tones. <-  as.character(testDF$X.Million.tones.)
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ExtractiveIndustry[x,1]),
                          as.character(ExtractiveIndustry[x,2]), as.numeric(ExtractiveIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
}
## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## deleting unnecessary characters in the text
testDF$ProductName <- gsub("\302\240"," - ",testDF$ProductName)

## Extractive Industry Data in new format
ExtractiveIndustry <- testDF

ExtractiveIndustry$Value <- as.numeric(ExtractiveIndustry$Value)
ExtractiveIndustry$Year <- as.factor(ExtractiveIndustry$Year)
#2. Processing Industry Data
## new column names of dataframe
colnames(ProcessingIndustry) <- c("ProductName", "Units", "1990", "1991", "1992", "1993", "1994", "1995", "1996", "1997", "1998", "1999", "2000", "2001", "2002", "2003", "2004", "2005", "2006", "2007", "2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015")

## change class of the columns 
for(i in 3:28){
        ProcessingIndustry[,i] <- suppressWarnings(as.numeric(as.character(ProcessingIndustry[,i])))
}

## new temporary dataframe
testDF <- data.frame()


## convert dataframe ProcessingIndustry in to machine format
for (x in 1:152) {
        year <- 1990
        testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal. <- as.character(testDF$X.Fresh..fresh.killed..or.cooled.beef.and.veal.)
        testDF$X.Thousand.tons. <-  as.character(testDF$X.Thousand.tons.)
        
        for(i in 3:28){
                testDF$X.1990. <- as.numeric(testDF$X.1990.)
                testDF$NA_character_. <- as.numeric(testDF$NA_character_.)
                temp <- c(as.character(ProcessingIndustry[x,1]),
                          as.character(ProcessingIndustry[x,2]), as.numeric(ProcessingIndustry[x,i]),
                          as.numeric(year))
                testDF <- rbind(testDF, temp)
                year <- year +1 
        }   
        
}

## new column names of dataframe
colnames(testDF) <- c("ProductName", "Units", "Value", "Year")
## deleting of excess line
testDF <- testDF[-1,]
## deleting unnecessary characters in the text
testDF$ProductName <- gsub("\302\240"," ",testDF$ProductName)
testDF$ProductName <- gsub("\342\200\223"," ",testDF$ProductName)
## Extractive Industry Data in new format
ProcessingIndustry <- testDF

ProcessingIndustry$Value <- as.numeric(ProcessingIndustry$Value)
#ProcessingIndustry$Year <- as.factor(ProcessingIndustry$Year)

# 3. Organization of data for plotting Fig.2.
## Create a function "count_priv_companies" that counts the number of privatized enterprises per group for a given period of time
count_priv_companies <- function(year) {
        # Download tha Data of privatized companies in the Ukraine
        url <- "https://cdn.rawgit.com/i2alex/Privatization-in-Ukraine.-1992-2015/265e2aa7/Data/privatization_ua.xlsx"
        if(!file.exists("privatization_ua.xlsx")){
                download.file(url, destfile = "privatization_ua.xlsx", method = "curl")
        }
        # Read th Data 
        PrivatizationUA <- read.xlsx("privatization_ua.xlsx", sheetName="privatization", header=TRUE)
        # Delete Na's
        good <- complete.cases(PrivatizationUA)
        PrivatizationUA_clean <- PrivatizationUA[good,]
        # Change the column class and give to Na's the value of 1993 year, which was previously 1992-1993
        PrivatizationUA_clean$Year <- suppressWarnings(as.numeric(as.character(PrivatizationUA_clean$Year)))
        PrivatizationUA_clean$Year[c(1,24,46)] <- 1993
        # Create a temporary dataframes
        Privatized_byYear <- data.frame()
        temp2 <- data.frame()
        temp3 <- data.frame()
        # Assign to X the value of classes of privatized enterprises
        x <- c("A", "B,G", "D", "E", "Zh")
        # for-loop which counts the number of enterprises for the given years
        for(i in x){
                for(y in year){
                        temp <- PrivatizationUA_clean %>% filter(Companies.class == i & Year == y) 
                        temp2 <- rbind(temp2, temp) 
                }
                temp3 <- temp2 %>% 
                        summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
                Privatized_byYear <- rbind(Privatized_byYear, temp3)
                temp2 <- NULL
        }
                # Output the result value
                Privatized_byYear
}

# 4. Private sector share in GDP (in per cent)  
GDPprivat2 <- GDPprivat 
GDPprivat <- data.frame(GDPprivat2[2,3],GDPprivat2[5,3])
for(i in 4:9){
        temp <- data.frame(GDPprivat2[2,i],GDPprivat2[5,i])
        names(GDPprivat) <- names(temp)
        GDPprivat <- rbind(GDPprivat, temp)
}

colnames(GDPprivat) <- c("Year", "% of GDP by private companies")

# 5. Scraping of data from the Internet, cleaning them, and creating a new dataframe with minimum wage data for the countries of the world (Year 2013. For Fig. 36)
# Указываем страницу с данными
page <- read_html("http://www.nationmaster.com/country-info/stats/Labor/Salaries-and-benefits/Monthly-minimum-wage")
# Скачиваем столбик - country
country <- page %>% html_nodes(".full") %>% 
        html_text()
# Скачиваем столбик - amount
amount <- page %>% html_nodes(".amount") %>% 
        html_text()
# Удаляем лишнюю строку
amount <- amount[-1]
# Объеденяем оба столбца в одну таблицу
df <- data.frame(country, amount)
# Чистим полученые данные.
df$amount <- gsub("\r\n","",df$amount) 
df$amount <- str_trim(df$amount) # удаление пробелов
df$amount <- gsub("EUR","",df$amount)
df$amount <- gsub(",","",df$amount)
df$amount <- as.numeric(df$amount)
MinWage <- df
colnames(MinWage) <- c("Country", "EUR")

# 6. Scraping of data from the Internet, cleaning them, and creating a new dataframe with avarage wage data for the countries of the world (Year 2013. For Fig. 37)
# Указываем страницу с данными
page <- read_html("http://www.nationmaster.com/country-info/stats/Cost-of-living/Average-monthly-disposable-salary/After-tax")
# Скачиваем столбик - country
country <- page %>% html_nodes(".full") %>% 
        html_text()
# Скачиваем столбик - amount
amount <- page %>% html_nodes(".amount") %>% 
        html_text()
# Удаляем лишнюю строку
amount <- amount[-1]
# Объеденяем оба столбца в одну таблицу
AvWage <- data.frame(country, amount)
# Чистим полученые данные.
AvWage$amount <- gsub("\r\n","",AvWage$amount) 
AvWage$amount <- str_trim(AvWage$amount) # удаление пробелов
AvWage$amount <- gsub("\\$","",AvWage$amount)
AvWage$amount <- gsub(",","",AvWage$amount)
AvWage$amount <- as.numeric(AvWage$amount)
colnames(AvWage) <- c("Country", "USD")

# 7. Industrial production (for Fig.38)
## Выбираем из таблицы необходимые нам страны
Industrial_production <- select(Industrial_production, c(c......1991....1992....1993....1994....1995....1996....1997..., Lithuania, Latvia, Russian.Federation, Ukraine))
## Меняем форму таблицу
Industrial_production <- gather(Industrial_production, Country, `Billions USD`, Lithuania:Ukraine)
## Warning: attributes are not identical across measure variables; they will
## be dropped
## Переименовуем колонки
colnames(Industrial_production) <- c("Year", "Country", "Billions USD")
## Измняем класс Industrial_production$`Billions USD` на numeric
Industrial_production$`Billions USD` <- as.numeric(Industrial_production$`Billions USD`)
## Warning: NAs introduced by coercion
## Для удобной работы делем все на 1 млрд
Industrial_production$`Billions USD` <- Industrial_production$`Billions USD`/1000000000
## Убираем лишние строки
Industrial_production$Year <- as.numeric(as.character(Industrial_production$Year))
Industrial_production <- Industrial_production %>% filter(Year > 0)

## Данные по Белоруссии берем из другой базы данных - Quandl
ind.production_belorussia <- Quandl("WORLDBANK/BLR_IPTOTSAKD", api_key="JssWArVnQEHLZBv_ifzu", type="xts")
## Создаем из них отдельную таблицу по Белоруссии
ipb <- data.frame(Year = 1991:2015, Country = rep("Belorussia", 25), `Billions USD` = ind.production_belorussia[1:25,1]/1000000000)
## Объеденяем все страны в одну таблицу
names(ipb) <- names(Industrial_production)
Industrial_production <- rbind(Industrial_production, ipb)


# .8 Data cleaning for the section on monopoly
colnames(Monopoly_ua) <- c("Market.type", "Year", "Market.share(%)")

colnames(Monopoly_by_branches) <- c("Market.type", "Branch", "%")

colnames(Monopoly_by_activity) <- c("Economic.activity", "Type.of.the.market", "%")

ПРИВАТИЗАЦИЯ В УКРАИНЕ. 1992-2015 ГГ.

Информация о данных, используемых в данном разделе

Большинство статистических данных раздела «Приватизация в Украине 1992-2015 гг.» (рис.1-3), касающиеся количественных показателей приватизированных объектов в Украине по группам и годам взяты из официальных итоговых годовых отчетов Фонда государственного имущества Украины за соответствующие годы (с 1992 по 2016). На момент последней редакции данной работы, эти отчеты можно было выбрать среди других документов и загрузить на портале Фонда в разделе Деятельность /Отчеты Фонда по ссылке http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Отчеты меняли свою структуру из года в год, но в основном (особенно в последние годы), общие количественные данные по приватизированным объектам представлялись в отчетах в приложении 1. Кроме того, для удобства читателя, данные отчеты были отобраны авторами и загружены на сайте __________. Для того, что бы иметь возможность отследить динамику приватизации объектов по годам и группам, таблицы с разбивкой по годам формировались из этих отчетов авторами самостоятельно. Данные авторских таблиц в формате excel могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx.* Данные графика 5 (индекс приватизации) взяты авторами из базы данных ЕБРР. Полные версии файлов с данными по индексу приватизации более чем по 50 странам могут быть самостоятельно загружены читателем на портале ЕБРР (путь: Home/What We Do/EBRD economics/Economic data/Forecasts/data, indicators). На момент последней редакции данной работы это соответствовало ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, для удобства читателя, данные файлы были загружены авторами на сайт __________. На основе данных, выбранных для анализируемых стран, авторами была сформирована таблица в формате excel, которая так же загружена на сайт https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_index_EBRD_selected_countries.xlsx.*
Исходные статистические данные поступлений в государственный бюджет Украины, полученные от приватизации (Рис.6), так же взяты в соответствующих ежегодных отчетах Фонда Госимущества (обычно они либо приводятся в теле отчета, либо, что более характерно для последних лет, выводятся в отдельное приложение). Авторские таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx Эти данные стали основой для авторских расчетов данных графиков 7-10. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx* Данные, касающихся государственного контроля за выполнением условий договор купли-продажи (рисунки 11-18) так же приводятся в соответствующих разделах отчетов Фонда. Авторские таблицы в формате excel, построенные на базе этих данных, могут быть загружены читателем на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx.*

——————————————————————————————————————-

Этап «большой приватизации» в Украине закончился в 2000 г. За 8 лет (в период с 1992 по 2000 г) было приватизировано 18204 объекта государственной собственности, что в два раза больше чем за следующие 15 лет. (с 2001 по 2016 гг). Всего за период независимости Украина избавилась от «балласта» и передала в частные руки более 28 тыс.предприятий. (Классификация предприятий по группам в соответствии с Законом Украины «О приватизации» приведена в Приложении 1). Большая их часть (более 15 тыс.), конечно же, относилась к так называемой «группе А» - малым предприятиям, стоимость основных фондов которых не превышает 1 млн. гривен. Предприятий групп В и Г – ( большие предприятия, а так же предприятия, имеющие стратегическое значение), было приватизировано более 7 тыс. При этом их львиная доля – более 97% - была приватизирована еще на этапе «большой приватизации» - до 2000 года. В основном это касалось предприятий пищевой, добывающей и перерабатывающей промышленности, металлургии, производства гражданских видов транспорта. Порядка 1400 объектов группы Ж (объекты социо-культурного назначения) так же были приватизированы за годы независимости. Из них около 40% - в период до 2000 года, и 60% - после. (Более детально см.Рис.1.и Рис.2)1

# Organization of data for plotting Fig.1.
# Clean Na's
good <- complete.cases(PrivatizationUA)
PrivatizationUA_clean <- PrivatizationUA[good,]
# Preparing data for plotting
x <- c("A", "B,G", "D", "E", "Zh")
#Creating a dataframe privatized companies by groups
Privatized_companies <- data.frame()
for(i in x){
        temp <- PrivatizationUA_clean %>% filter(Companies.class == i)%>%
                summarise(Companies.class = i ,Number.of.privatized.companies = sum(Number.of.privatized.companies))
        Privatized_companies <- rbind(Privatized_companies, temp)
}
 
Privatized_companies$Companies.class <- as.factor(Privatized_companies$Companies.class)
Таблица приватизированных предприятий по группам2 за период 1992 - 2015 года
# Output the table
Privatized_companies
##   Companies.class Number.of.privatized.companies
## 1               A                          15005
## 2             B,G                           7086
## 3               D                           3949
## 4               E                            749
## 5              Zh                           1386
Рис.1. Количество приватизированных до 2016 г. предприятий по группам
# Plot the dataframe
ggplot(data = Privatized_companies, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.1. Number of enterprises privatized by 2016 by groups")

Рис.2. Количество приватизированных предприятий по группам (1992-2015 гг)
phase1 <- count_priv_companies(1993:2000)
phase2 <- count_priv_companies(2001:2005)
phase3 <- count_priv_companies(2006:2010)
phase4 <- count_priv_companies(2010:2015)
phase1$years <- as.factor(c("1992-2000", "1992-2000", "1992-2000", "1992-2000", "1992-2000"))
phase2$years <- as.factor(c("2001-2005", "2001-2005", "2001-2005", "2001-2005", "2001-2005"))
phase3$years <- as.factor(c("2006-2010", "2006-2010", "2006-2010", "2006-2010", "2006-2010"))
phase4$years <- as.factor(c("2010-2015", "2010-2015", "2010-2015", "2010-2015", "2010-2015"))
all_phases <- rbind(phase1, phase2, phase3, phase4)

ggplot(data = all_phases, aes(x = Companies.class, y = Number.of.privatized.companies, 
                                         fill = Companies.class ))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.2. Number of privatized enterprises by groups (1992-2015)")+
        facet_grid(.~years, scales = "free")

Количество приватизированных предприятий по группам (1992-2015 гг)

all_phases2 <- spread(all_phases, years, Number.of.privatized.companies)
all_phases2
##   Companies.class 1992-2000 2001-2005 2006-2010 2010-2015
## 1               A      8688      4040      1767       663
## 2             B,G      6777       241        27        50
## 3               D      1565      1977       304       116
## 4               E       544       124        55        43
## 5              Zh       630       557       154        58

Поскольку практически все предприятия групп В и Г были приватизированы до 2005 (7 тыс.) то структура приватизированных в этот период предприятий по отраслям промышленности даст нам общее понимание того, какие именно сектора реальной экономики государство передало в частные руки. (Рис.3) Как мы видим, основными отраслями промышленности, которых коснулась приватизация, стали машиностроение, строительство, пищевая и транспортная промышленность.

Рис.3. Приватизированные предприятия групп В,Г по отраслям промышленности на 01.01.2005 г.3
ggplot(data = Priv_economic_activity, aes(x = economic.activity, y = number.of.privatized.companies.on.01.01.2005, 
                                         fill = economic.activity))+
        geom_bar(colour="black", stat = "identity")+
        coord_flip()+
        xlab("Economic activity")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.3. Number of privatized companies by industries on.01.01.2005")

Приватизированные предприятия групп В,Г по отраслям промышленности на 01.01.2005 г.

Priv_economic_activity
##          economic.activity number.of.privatized.companies.on.01.01.2005
## 1         Mashine building                                         1698
## 2             Construction                                         1355
## 3            Food industry                                         1167
## 4       Transport industry                                         1092
## 5   Construction Materials                                          516
## 6           Light industry                                          391
## 7  Woodprocessing industry                                          241
## 8        Chemical industry                                          156
## 9       Ferrous metallurgy                                          123
## 10           Fuel industry                                           41
## 11       Power engineering                                           38

Об ударных темпах приватизации так же говорит и тот факт, что еще в 2001 году количество государственных предприятий составляло 5% от общего числа предприятий Украины, а уже в 2014 – только 2% (около 6 тыс.), Из них более 2 тыс. относились к предприятиям военно-промышленного комплекса и инфраструктурным предприятиям – отраслям промышленности, пока практически избежавшим приватизации.4 (рис.4).

Рис. 4. Количество государственных и частных предприятий Украины по годам5
ggplot(data = OwnershipData, aes(x = year, y = number.of.enterprices, 
                                         fill = enterprise.ownership ))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Class of privatized companies")+
        ylab("Number of privatized companies")+
        ggtitle("Fig.4. Number of state and private enterprises in Ukraine by years")

Количество государственных и частных предприятий Украины по годам

OwnershipData2 <- spread(OwnershipData, enterprise.ownership, number.of.enterprices)
OwnershipData2
##    year private state
## 1  2001  192168  9965
## 2  2006  248211  7562
## 3  2007  258536  7359
## 4  2008  270331  7213
## 5  2009  278574  6975
## 6  2010  283697  6801
## 7  2011  285821  6661
## 8  2012  283911  6512
## 9  2013  280073  6075
## 10 2014  278227  5933

Даже Европейский Союз в лице Европейского Банка Реконструкции и Развития довольно высоко оценил эти успехи Украины на пути передачи государственного имущества в более эффективные частные руки, как обязательного условия успешного экономического развития. В своем ежегодном исследовании, аналитики Банка выставляют индексовый показатель (от «1» до «5»), оценивающий уровень приватизации в стране для крупных и мелких предприятий6:

Приватизации крупных предприятий:

«1» - Низкий уровень приватизации. «2» - Всесторонняя схема почти готова к внедрению; некоторые продажи завершены. «3» - Более 25 процентов крупных предприятий перешли в частные руки или в процессе приватизации. «4» - Более 50 процентов государственных предприятий и сельскохозяйственных активов в частной собственности. «4+» - Стандарты и показатели типичны для передовых промышленно развитых стран: более 75 процентов активов предприятий в частной собственности.

Приватизация мелких предприятий:

«1» - низкий уровень приватизации. «2» Значительная доля приватизирована. «3» Комплексная программа почти готова к реализации. «4» Полная приватизация малых компаний с торгуемых права собственности. «4+» Стандарты и показатели характерны для развитых индустриальных экономик: нет государственной собственности малых предприятий;

По этому комплексному оценочному показателю, начав вместе с другими странами бывшего СССР с «1» в 1990 году, уже к 2014 году Украина поднялась к «3» по приватизации крупных предприятий и к «4» по приватизации малых предприятий, значительно обогнав Беларусь, и совсем немного отстав от Латвии и Литвы, которые прожили эти годы в «европейской семье». (см.рис.5)

Рис.5. Приватизация в Украине, Беларуси, Латвии и Литве. Комплексная оценка ЕБРР по годам.
PrivIndexEBRD$year <- as.factor(PrivIndexEBRD$year)

ggplot(data = PrivIndexEBRD, aes(x = year, y = privatization.index, 
                                         fill = country ))+
        geom_bar(colour="black", stat = "identity")+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Countries")+
        ylab("EBRD privatization index")+
        ggtitle("Fig.5. EBRD's assessment of the level of privatization by years.")+
        facet_grid(privatization.class~country)

Приватизация в Украине, Беларуси, Латвии и Литве. Комплексная оценка ЕБРР по годам

PrivIndexEBRD2 <- spread(PrivIndexEBRD, year, privatization.index)
PrivIndexEBRD2
##     country privatization.class 1990 2014
## 1   Belarus                 big    1  1.7
## 2   Belarus               small    1  2.3
## 3    Latvia                 big    1  3.7
## 4    Latvia               small    1  4.0
## 5 Lithuania                 big    1  4.0
## 6 Lithuania               small    1  4.3
## 7   Ukraine                 big    1  3.0
## 8   Ukraine               small    1  4.0

К каким результатам в экономике Украины, в совокупности с другими факторами, привело такое структурное изменение, как смена собственника с государственного на частного? Как отразилось на поступлениях в государственный бюджет? Стало ли подспорьем в борьбе с безработицей и бедностью? Подстегнуло ли к развитию промышленности?

ПРИВАТИЗАЦИЯ КАК ИСТОЧНИК ПОПОЛНЕНИЯ ГОСУДАРСТВЕННОГО БЮДЖЕТА УКРАИНЫ?

Считается, что поступления в государственный бюджет от приватизации обычно «значительные», и являются важной статьей формирования доходной части бюджета. Уменьшение поступлений от приватизации в процентном соотношении за предыдущий отчетный период воспринимаются как «большая катастрофа», а увеличение – как «большое достижение», и всерьез и долго обсуждаются журналистами и экспертами в средствах массовой информации. Любознательный слушатель прямо сейчас может забить в поисковике словосочетание «поступления от приватизации в государственный бюджет» и убедиться, что это правда. Следует отметить, что Фонд Госимущества Украины, в своих ежегодных отчетах предпочитает публиковать график ежегодных поступлений в бюджет от приватизации по «накопительному итогу», т.е. прибавляя к отчетному периоду весь предыдущий «запас». В результате получается очень оптимистичная картина (Рис.6)7 некоего «стабильного роста», из которой следует, что всего за 1992-2015 гг от приватизации в бюджет страны поступило 63 млрд.грн.

Рис. 6. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по накопительному итогу (млн.грн.)
ggplot(data = BudgetPriv_comulative, aes(x = Year, y = Million.UAH, group = 1))+
        geom_area(stat = "identity", color="darkblue", fill = "lightblue", alpha=0.7)+
        #geom_line(colour="darkblue", size = 0.5)+
        geom_point(colour="blue", size = 1)+
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.6 Incomes to Ukraine budget from privatization in 1992-2015 
                (cumulative total)")

Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по накопительному итогу (млн.грн.)

BudgetPriv_comulative
##         Year Million.UAH
## 1  1992-1999      1202.6
## 2       2000      3278.1
## 3       2001      5410.1
## 4       2002      5986.2
## 5       2003      8001.9
## 6       2004     17416.8
## 7       2005     38116.0
## 8       2006     36638.9
## 9       2007     41097.2
## 10      2008     41577.9
## 11      2009     42381.5
## 12      2010     43478.6
## 13      2011     54959.0
## 14      2012     61722.3
## 15      2013     63263.5
## 16      2014     63669.1
## 17      2015     63820.6

Однако, если посмотреть на реальные поступления в бюджет, не приплюсовывая «по-популистски» финансовые результаты всех предыдущих отчетных периодов к текущему, получится совершенно другая картина (рис.7)8.

Рис.7. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.грн).
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.UAH))+
        geom_bar(colour="black", stat = "identity")+
        
        xlab("Years")+
        ylab("Millions UAH")+
        ggtitle("Fig.7. Number of privatized companies by industries on.01.01.2005")

Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.грн)

BudgetPriv_perYear
##         Year Million.UAH Million.USD
## 1  1992-1999      1202.6      683.30
## 2       2000      2075.5      377.36
## 3       2001      2132.0      387.64
## 4       2002       576.1      104.75
## 5       2003      2015.7      366.49
## 6       2004      9414.9     1711.80
## 7       2005     20699.2     4098.58
## 8       2006       522.9      103.54
## 9       2007      2458.3      486.79
## 10      2008       480.7       60.09
## 11      2009       803.6       80.36
## 12      2010      1097.1      109.71
## 13      2011     11480.4     1148.04
## 14      2012      6763.3      676.33
## 15      2013      1541.2      154.11
## 16      2014       405.6       40.56
## 17      2015       151.5        6.06

«Пик» значительно больших поступлений в бюджет 2005 года связан с громкой ре-приватизацией «по честному» нескольких предприятий, проведенный правительством Тимошенко, а «пик» 2011 года – опять же, вынужденной необходимостью наполнить бюджет после президентских выборов 2010 г.
Так же стоит перевести «гривневые» поступления в бюджет Украины от приватизации в более «твердую валюту», например, в номинальные доллары США, что бы иметь возможность сравнивать эффективность приватизации в разные временные периоды. (рис.7а)

Рис.7a. Поступления в государственный бюджет Украины от приватизации 1992-2015 гг по годам (млн.ном.дол.США.)
ggplot(data = BudgetPriv_perYear, aes(x = Year, y = Million.USD))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_cartesian(ylim=c(0, 3000))+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.7a. Number of privatized companies by industries on.01.01.2005")

Отдельно стоит отметить, что поступления в бюджет от приватизации за период 1992-2000 года – период, когда было приватизировано более 58% малых предприятий и 97% (!!!) больших и стратегически значимых предприятий, составили 1,06 млрд. номинальных долларов США, а поступления от приватизации с 2000 по 2015 год принесли более 9,5 млрд. – что в 9 раз больше. (Рис.8).

Рис.8. Сравнение поступлений в бюджет Украины от приватизации по периодам (млн.ном.дол.США).
temp <- BudgetPriv_perYear[1:2,] %>% summarise(Year = "1992-2000", Million.USD = sum(Million.USD))
temp2 <- BudgetPriv_perYear[3:17,] %>% summarise(Year = "2001-2015", Million.USD = sum(Million.USD))
BudgetPriv_per2Phases <- rbind(temp, temp2)

#
ggplot(data = BudgetPriv_per2Phases, aes(x = Year, y = Million.USD, fill = Year))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.8. Comparison of revenues to the budget from privatization by period")

Интересным при этом представляется сравнить поступления от приватизации с другими статьями пополнения бюджета и определить долю, которую занимает приватизация в его структуре. (Табл.1.)

Таблица 1. Сравнение поступлений от приватизации с общей доходной частью государственного бюджета Украины (млн. грн.)9

colnames(BudgetPrivReceipts) <- c("Year", "Total Incomes", "Income from privatization", "% Priv. to total income")
BudgetPrivReceipts[,5] <- NULL
BudgetPrivReceipts
##    Year Total Incomes Income from privatization % Priv. to total income
## 1  2000       36229.9                    2075.5               5.7300000
## 2  2001       39726.5                    2132.0               5.3700000
## 3  2002       45467.6                     576.1               1.2700000
## 4  2003       55076.9                    2015.7               3.6600000
## 5  2004       70337.8                    9414.9              13.3900000
## 6  2005      105191.9                   20699.2              19.6800000
## 7  2006      127516.0                     522.9               0.4100662
## 8  2007      157287.0                    2458.3               1.5629391
## 9  2008      231686.3                     480.7               0.2100000
## 10 2009      209700.3                     803.6               0.3800000
## 11 2010      240615.2                    1097.1               0.4600000
## 12 2011      314616.9                   11480.4               3.6500000
## 13 2012      346054.0                    6763.3               1.9500000
## 14 2013      339180.3                    1541.1               0.4500000
## 15 2014      357084.2                     405.6               0.1100000
## 16 2015      534694.8                     151.5               0.0300000

Из данных таблицы видно, что в среднем поступления от приватизации составляли 0,9% общих доходов государственного бюджета Украины. Просто для того, что бы убедиться воочию, насколько мала эта доля, отобразим это процентное соотношение на графике (рис.9).

Рис.9. Сравнение поступлений от приватизации с другими статьями дохода государственного бюджета Украины (%).
perc_inc <- data.frame(sum(BudgetPrivReceipts$`Income from privatization`)/sum(BudgetPrivReceipts$`Total Incomes`)*100, 0)
temp <- c(100 - perc_inc[1,1])
perc_inc <- rbind(perc_inc, temp)
colnames(perc_inc) <- c("% revenues", "Source of replenishment of the state budget")
perc_inc$`Source of replenishment of the state budget` <- c("% revenues from privatization", "% revenues from other sources")

perc_inc$`% revenues` <- round(perc_inc$`% revenues`, 2)

#
ggplot(data = perc_inc, aes(x = `Source of replenishment of the state budget`, y = `% revenues`, fill = `Source of replenishment of the state budget`))+
        geom_bar(colour="black", stat = "identity")+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Years")+
        ylab("Millions USD")+
        ggtitle("Fig.9. Comparison of receipts from privatization with other articles of income")

Если сопоставить поступления в бюджет от приватизации в долларах США по годам с количеством приватизированных за тот же год объектов, то можно получить следующую картину (Рис.10). В 1992-1999 гг один объект приватизации (читай «бизнес») частные собственники покупали у государства в среднем за 41 тыс.дол.США. С 2000 по 2014 год приходилось платить в среднем уже порядка 370 тыс.дол.США, за исключением «конъюнктурных пиков» 2004-2005 и 2011-2012 годов, описанных выше, когда такие покупки обходились в 4-6 млн.дол. В 2015 году, к слову, выкуп одного бизнеса у государства опять практически вернулся к уровню 1992-1999 гг., составив 51 тыс.дол.США.

# Preparing data for figure 10
## The average cost of one privatized state enterprise from 1992 to 1999
avercost <- data.frame("1992-1999", BudgetPriv_perYear[1,3]/sum(count_priv_companies(1993:1999)$Number.of.privatized.companies)*1000) 
avercost2 <- data.frame(as.numeric(NULL,NULL))

## The average cost of one privatized state enterprise from 2000 to 2015 by years
for(i in 2000:2015){
        x <- filter(BudgetPriv_perYear, Year == i)[1,3]
        y <- sum(count_priv_companies(i)$Number.of.privatized.companies)
       temp <- data.frame(i, (x/y)*1000)
       
       if (ncol(avercost2)==ncol(temp)) {names(avercost2) <- names(temp)}
       
       avercost2 <- rbind(avercost2, temp)
}
## Combine the data of the periods 1992-1999 and 2000-2015 into one table
names(avercost) <- names(avercost2) 
avercost <- rbind(avercost2, avercost)
colnames(avercost) <- c("Year", "Nominal thousand USD for 1 company")
avercost$`Nominal thousand USD for 1 company` <- round(avercost$`Nominal thousand USD for 1 company`, 2)
Рис.10. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)
ggplot(data = avercost, aes(x = Year, y = `Nominal thousand USD for 1 company`, fill = `Nominal thousand USD for 1 company`))+
        geom_bar(colour="black", stat = "identity")+
        
        coord_cartesian(ylim=c(0, 4000))+
        xlab("Years")+
        ylab("Nominal thousand USD")+
        ggtitle("Fig.10. The average cost of 1 privatized company by year")

Таблица–. Среднестатистическая стоимость 1го объекта приватизации по годам (ном.тыс.дол.США)

avercost
##         Year Nominal thousand USD for 1 company
## 1       2000                             221.33
## 2       2001                             234.93
## 3       2002                              65.72
## 4       2003                             233.58
## 5       2004                            1384.95
## 6       2005                            4605.15
## 7       2006                             154.08
## 8       2007                             997.52
## 9       2008                             110.87
## 10      2009                             200.90
## 11      2010                             535.17
## 12      2011                            6636.07
## 13      2012                            4001.95
## 14      2013                             928.37
## 15      2014                             405.60
## 16      2015                              51.79
## 17 1992-1999                              41.41

Кроме того, следует отметить, что приватизация предприятия, как и любая другая смена владельца, зачастую, влечет за собой реструктуризацию, а следовательно, увольнение людей. Поскольку люди, работающие на государственных предприятиях, социально защищены гораздо лучше, чем в частной структуре, все они пользуются системой «социальной защиты», становятся на биржу труда, регистрируются в центрах занятости. Общие затраты государства на 1-го безработного, проходящего через систему социальной защиты, как прямые (выплаты пособий, переобучение, и.т.д.) так и косвенные (зарплаты социальных работников, содержание офисов центров занятости, и т.д.), составляют примерно 5 тыс.евро на человека по оценкам эксперта аналитической платформы VoxUkraine Люка Ванкраена10. Этот же эксперт, в своей статье Outsourcing Privatization In Ukraine To Attract Capital And Raise Efficiency (Аутсорсинг приватизации в Украине для привлечения капитала и повышения эффективности) отмечает, что в результате приватизации только за последние 5 лет более 500 тыс.чел. попали в систему социальной зашиты, потеряв работу из-за реструктуризации предприятия, сменившего собственника. Путем несложных расчетов можно убедиться, что, к сожалению, за последние 5 лет на социальные выплаты, переквалификацию, поиск нового места работы, и т.д. для людей, потерявших работу из-за того, что предприятия, где они работали ранее, были приватизированы, государство потратило примерно 2,5 млрд. евро, а «заработало» на приватизации всего 2,134 млрд. (примерно на 20% меньше).

ГОСУДАРСТВЕННЫЙ КОНТРОЛЬ ИЛИ ВСПОМИНАЕТ ЛИ ГОСУДАРСТВО О СВОЕЙ БЫВШЕЙ СОБСТВЕННОСТИ?

Конечно же, формально существует механизм , благодаря которому государство может контролировать некоторое время (обычно от 3х до 5-ти лет) дальнейшую судьбу объектов, проданных в частные руки. Это специальные условия, указанные в договорах купли-продажи объектов приватизации. Такими условиями могут являться: привлечение инвестиций в приватизированное предприятие, неизменность основных видов деятельности, сохранение (а иногда и увеличение) количества рабочих мест, сохранение объемов выпускаемой продукции, и т.д. Такие договора находятся на контроле Фонда госимущества, которым проводятся ежегодные проверки выполнения указанных условий. Всего по накопительному итогу на 2015 год Фонд госимущества «отслеживал судьбу» 12359 объектов приватизации (43% общего количества приватизированных объектов): из них 2937 – объекты незавершенного строительства (или почти 75% общего количества приватизированных объектов этой группы), 8341 – объекты малой приватизации (56% объектов группы) а так же 1081 объект групп В и Г – крупных и стратегически важных предприятий. Относительно именно этих объектов (В и Г), казалось бы, контроль должен быть максимальным, го государство именно в этой группе, по чему то, оставило за собой право интересоваться дальнейшей судьбой всего лишь 15% предприятий этой группы. (Рис.11 и 12).

Рис.11. Сравнение количества объектов приватизации подлежащих государственному контролю с общим количеством объектов приватизации группы11.
PrivStateControl$control.status <- as.factor(PrivStateControl$control.status)

ggplot(data = PrivStateControl, aes(x = object.class, y = number.of.objects, fill = control.status))+
        geom_bar(stat = "identity")+
        scale_fill_brewer(palette="Pastel2")+
        xlab("Group of enterprises")+
        ylab("Number of enterprises")+
        ggtitle("Fig.11. Privatized companies under state control and not controled.")

Сравнение количества объектов приватизации подлежащих государственному контролю с общим количеством объектов приватизации группы

PrivStateControl
##   object.class control.status number.of.objects
## 1            A not controlled              6559
## 2          B,G not controlled              5997
## 3            D not controlled               689
## 4            A     controlled              8341
## 5          B,G     controlled              1081
## 6            D     controlled              2937
Рис 12. Доля предприятий по группам, договор купли-продажи которых содержит дополнительные условия. (%)
x <- c("A", "B,G", "D")
underControl <- data.frame()
for(i in x){
        temp <- PrivStateControl %>% filter(object.class == i) %>%
                summarise(object.class = i, `% under state control` = number.of.objects[2]/sum(number.of.objects)*100)
        
        underControl <- rbind(underControl, temp)
}

ggplot(data = underControl, aes(x = object.class, y = `% under state control`, fill = object.class))+
        geom_bar(stat = "identity")+
        scale_fill_brewer(palette="Pastel2")+
        xlab("Group of enterprises")+
        ylab("%")+
        ggtitle("Fig.12. Percentage of privatized companies under state control")

Доля предприятий по группам, договор купли-продажи которых содержит дополнительные условия. (%)

underControl
##   object.class % under state control
## 1            A              55.97987
## 2          B,G              15.27268
## 3            D              80.99835

Другими словами, в 85% случаях частный собственник, приобретая крупное или стратегически важное предприятие, не брал на себя никаких обязательств ни по привлечению инвестиций, ни по сохранению вида деятельности, ни по объемам выпускаемой продукции, ни по сохранению рабочих мест.

При этом, даже те собственники, которые брали на себя обязательства, соблюдали их отнюдь не всегда. Так, только официальные плановые проверки Фонда госимущества выявляли ежегодно нарушения условий договоров купли-продажи в среднем в 20% случаях от общего количества проверенных договоров. Как видно из графика (рис.13), наибольшее количество нарушений выявлялось на этапе «большой приватизации» - до 2000 года. После этого выявляемое проверками количество нарушений снизилось, и остается на уровне 14-15% ежегодно.

Рис.13. Нарушения, выявляемые проверками условий выполнения договоров купли-продажи приватизированных объектов по годам (% к проверяемым договорам)12.
colnames(Violations_contracts) <- c("Year", "% contracts with violations")
Violations_contracts$Year <- as.factor(Violations_contracts$Year)

ggplot(data = Violations_contracts, aes(x = Year, y = `% contracts with violations`, group = 1))+
        geom_point(colour="darkred", size = 1)+
        geom_area(stat = "identity", color="red", fill = "red", alpha=0.4)+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.13. % Contracts with violations of the terms of sales of privatization objects")

Нарушения, выявляемые проверками условий выполнения договоров купли-продажи приватизированных объектов по годам (% к проверяемым договорам)

Violations_contracts
##    Year % contracts with violations
## 1  1996                        36.6
## 2  1997                        32.4
## 3  1998                        26.6
## 4  1999                        20.8
## 5  2000                        19.7
## 6  2001                        17.9
## 7  2002                        16.7
## 8  2003                        13.7
## 9  2004                        13.5
## 10 2005                        15.0
## 11 2006                        13.0
## 12 2008                        14.0
## 13 2009                        13.0
## 14 2012                        12.6
## 15 2014                        14.5
## 16 2015                        13.4

При этом, каждый слушатель, без сомнения, будучи патриотом и любя свою страну, все же понимает уровень коррупции в ней, и может интуитивно оценить, каким, скорее всего, является реальный уровень нарушений, если данные официальных отчетов держатся на отметке 14-15%. Как же наказываются предприятия, которые нарушают условия договоров купли-продажи? Они оплачивают штрафы. Зная из отчетов Фонда госимущества количество предприятий-нарушителей и общую сумму штрафов, начисленную по результатам ежегодных проверок, несложно подсчитать, во сколько обходится предприятию невыполнение обязательств (в том числе и сохранение основных видов деятельности, создание рабочих мест, привлечение инвестиций). Для возможности сравнивать разные временные периоды, переведем сумму штрафов в номинальные дол.США. (См.рис.14.)

Рис.14 Штрафы, начисленные за нарушение условий договоров купли-продажи объектов приватизации по годам на 1 нарушителя (ном.дол.США)13.
Penalties_per_violation2 <- filter(Penalties_per_violation, Category == "Penalties per violator")
Penalties_per_violation2$year <- as.factor(Penalties_per_violation2$year)

ggplot(data = Penalties_per_violation2, aes(x = year, y = Number, size=Number, group = 1))+
        geom_line(colour="darkgray")+
        geom_point(colour = "orange")+
       
        xlab("Year")+
        ylab("nominal US dollars per violator")+
        ggtitle("Fig.14. Penalties accrued for violating the terms of privatization for 1 violator")

Штрафы, начисленные за нарушение условий договоров купли-продажи объектов приватизации по годам на 1 нарушителя (ном.дол.США)

Penalties_per_violation2
##   year               Category            units Number
## 1 2003 Penalties per violator USD per violator    151
## 2 2005 Penalties per violator USD per violator    230
## 3 2006 Penalties per violator USD per violator    199
## 4 2008 Penalties per violator USD per violator    153
## 5 2009 Penalties per violator USD per violator    340
## 6 2012 Penalties per violator USD per violator   1029
## 7 2014 Penalties per violator USD per violator    641
## 8 2015 Penalties per violator USD per violator    254

Сумма штрафа на одно предприятие составляла в среднем 374 доллара США в год, что навряд ли можно назвать серьезным сдерживающим фактором, мотивирующим руководство предприятия не нарушать обязательства по приватизационному договору. А вот «крайняя мера» - возврат предприятия в государственную собственность за все 20 лет была применена всего к 336 объектам. Т.е. из-за невыполнения условий приватизационных договоров было возвращено чуть больше 2% всех приватизированных предприятий, держащихся на контроле в Фонде госимущества. Основной вынужденной необходимостью приватизации промышленных предприятий считается всеми понятное «нет денег» у государства на модернизацию изношенных основных фондов, замену морально-устаревшего оборудования, квалифицированный менеджмент, маркетинг и т.д. Считается, что новый владелец – частник - обязательно вложит инвестиции в купленную собственность, создаст новые рабочие места, повысит зарплаты и предприятие получит «вторую жизнь». Давайте проанализируем по некоторым показателям успехи приватизированных в Украине предприятий14:.

Привлечение инвестиций.

В ежегодных отчетах Фонд госимущества так же публикует статистику по привлеченным в приватизированные предприятия инвестициям по накопительному итогу – картинка получается позитивная, линия графика инвестиций стремится вверх, достигая в 2015 году отметки почти в 30 млрд.грн. (Рис.15)15

Рис.15. Инвестиции в приватизированные предприятия по накопительному итогу (млрд.грн)
# Пересчитываем таблицу, показывая ежегодный результат по накопительному методу
PCIcommulative <- data.frame(PrivatizedCompaniesInvestments[1,1], PrivatizedCompaniesInvestments[1,2])
for (i in 2:14){
       temp <-  data.frame(PrivatizedCompaniesInvestments[i,1], PrivatizedCompaniesInvestments[i,2] +
                                   PCIcommulative[i-1,2]) 
       names(PCIcommulative) <- names(temp)
       PCIcommulative <- rbind(PCIcommulative, temp)
}

colnames(PCIcommulative) <- c("Year", "Million UAH")

ggplot(data = PCIcommulative, aes(x = Year, y = `Million UAH`, group = 1))+
        geom_line(colour="darkgreen", size = 1)+
        geom_point(colour = "orange")+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million UAH")+
        ggtitle("Fig.15. Investments in privatized enterprises by cumulative total (Billion UAH)")

Инвестиции в приватизированные предприятия по накопительному итогу (млрд.грн)

PrivatizedCompaniesInvestments
##          Year million.UAH million.USD
## 1  1995-2002         4620  1026.66667
## 2        2003         670   121.81818
## 3        2004         530    96.36364
## 4        2005        1060   209.90099
## 5        2006        1210   239.60396
## 6        2007        1310   259.40594
## 7        2008         510    63.75000
## 8        2009        6790   679.00000
## 9        2010        1170   117.00000
## 10       2011        1780   178.00000
## 11       2012        2360   236.00000
## 12       2013        2130   213.00000
## 13       2014        1360   136.00000
## 14       2015        2330    93.20000
Рис.16. Инвестиции в приватизированные предприятия по годам (млн.ном.дол.США)16.
ggplot(data = PrivatizedCompaniesInvestments, aes(x = Year, y = million.USD, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(colour = million.USD, size = million.USD))+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Million USD")+
        ggtitle("Fig.16. Investments in privatized enterprises by year (million USD)")

Инвестиции в приватизированные предприятия по годам (млн.ном.дол.США)

PrivatizedCompaniesInvestments[,-2]
##          Year million.USD
## 1  1995-2002   1026.66667
## 2        2003   121.81818
## 3        2004    96.36364
## 4        2005   209.90099
## 5        2006   239.60396
## 6        2007   259.40594
## 7        2008    63.75000
## 8        2009   679.00000
## 9        2010   117.00000
## 10       2011   178.00000
## 11       2012   236.00000
## 12       2013   213.00000
## 13       2014   136.00000
## 14       2015    93.20000

Итого, в приватизированные предприятия Украины частный собственник за 20 лет (с 1995 по 2015 год) вложил 3,6 млрд.дол.США. Если разделить эту сумму на все объекты приватизированной недвижимости, (28 тыс), получится, что каждое предприятие получало чуть более 6 тыс.дол. в год (или 130 тысяч долларов по накопительному итогу за все 20 лет). Даже, предположив, что инвестиции получали только крупные предприятия и объекты «недостроя», что составит 11 тыс.объектов (исключив из общего числа объекты малой приватизации), все равно сумма получится незначительной – 16,7 тыс.дол. ежегодно (или 330 тыс.долларов по накопительному итогу за 20 лет). Очевидно, что подобную сумму вряд ли можно счесть такой, которая в состоянии привести к качественным изменениям, позволяющим предприятиям стать конкурентоспособными на международном рынке, и говорить, например, о модернизации морально-устаревшего станочного парка или замены изношенных основных фондов, к сожалению, не приходится.

Рабочие места.

В среднем только в 7% случаев, заключая договор о купле-продаже со специальными условиями, государство вводило в договор условие о сохранении рабочих мест и только в 5% случаев – условие о создании новых рабочих мест. (Рис.17). При этом не стоит забывать, что эта «опека» касалась только тех объектов, которые находились на контроле у государства (42% от всех приватизированных).

(Рис.17).Доля договоров о купле-продаже, содержащих условия о сохранении и увеличении рабочих, от общего количества договоров, находящихся на контроле Фонда госимущества (%).
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО

Кроме того, интересными представляются и абсолютные цифры, о которых идет речь. Так, в среднем с 2000 по 2005 года, ежегодно приватизированные предприятия брали на себя обязательства по созданию 3000 рабочих мест. В 2015 году на приватизированных предприятиях было создано 234 рабочих места, с 2015 по конец 2017 предприятия должны создать еще 568 рабочих места. (Рис.18). Даже для масштабов областного центра эти цифры просто смешны, а в масштабах страны их вполне можно назвать стремящимися к нулю. При том, что в 2015 году только на учете в центрах занятости как безработные стояло 400 тыс.чел.17:, создание 234 рабочих мест (0,05%) на вряд ли стоит принимать во внимание.

Рис. 18. Кол-во рабочих мест, созданное в рамках выполнения условий договоров купли-продажи государственного имущества по годам (ед.).
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО
# НЕ ГОТОВО

ЭКОНОМИЧЕСКОЕ РАЗВИТИЕ УКРАИНЫ, 25 лет пути.

Данные графиков 19-24 взяты из базы данных индикаторов Мирового Банка. Каждый график снабжен ссылкой на соответствующий файл, на момент последней редакции этой работы. Графики 25 и 26 построены на основе данных, публикуемых ЕБРР. На момент последней редакции данной работы, эти данные можно было загрузить по ссылке http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Кроме того, данный файл и авторская таблица доступны для скачивания на нашем сайте….

После 1991 года все страны бывшего СССР пережили глубокий экономический кризис, связанный с разрывом тесных экономических связей, большим количеством в экономике предприятий с незавершенным циклом производства, инфляцией, и т.д. Страны проводили экономические реформы, реструктуризировали промышленность, приватизировали ранее принадлежавшие государству предприятия.

Давайте рассмотрим несколько показателей экономического развития Украины, и для сравнения будем использовать аналогичные показатели и других стран, которые в 1990 году были в той же отправной точке, что и Украина, но выбрали разные пути развития – Беларусь, Россию (государственный капитализм) и Латвию, Литву (либеральная открытая экономика). После стремительного падения после распада СССР, ВВП Украины стабильно рос, «догнав» в 2005 году показатель 1992 года. Экономический кризис 2008 года отбросил его на несколько лет назад. Следующие 5 лет, ВВП показывал ежегодный прирост, пока очередной кризис, вызванный уже скорее политическими причинами, опять не уменьшил его в два раза, с 183 млрд. долларов до 90 млрд. (см.Рис. 19)18.

Рис.19. ВВП Украины 1992-2015 гг. (ном.дол.США).
gdp_data_ua <- wb(country = c("UA"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

for(i in 1:24){
       gdp_data_ua$value[i] <- gdp_data_ua$value[i]/1000000000 
}

colnames(gdp_data_ua) <- c("GDP Billions USD", "Year", "Country")

ggplot(data = gdp_data_ua, aes(x = Year, y = `GDP Billions USD`, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(colour = "black", size = 2)+
        geom_smooth(method = "loess")+
       
        xlab("Year")+
        ylab("Billions USD")+
        ggtitle("Fig.19. GDP of Ukraine 1992-2015. (Nom. US dollars).")

ВВП Украины 1992-2015 гг. (ном.дол.США).

gdp_data_ua[,-3]
##    GDP Billions USD Year
## 1          90.61502 2015
## 2         133.50341 2014
## 3         183.31015 2013
## 4         175.78138 2012
## 5         163.15967 2011
## 6         136.01316 2010
## 7         117.22777 2009
## 8         179.99241 2008
## 9         142.71901 2007
## 10        107.75307 2006
## 11         86.14202 2005
## 12         64.88306 2004
## 13         50.13295 2003
## 14         42.39290 2002
## 15         38.00934 2001
## 16         31.26172 2000
## 17         31.58096 1999
## 18         41.88324 1998
## 19         50.15040 1997
## 20         44.55808 1996
## 21         48.21475 1995
## 22         52.54339 1994
## 23         65.60752 1993
## 24         71.89643 1992

Если посмотреть на этот показатель в сравнении с выбранными нами бывшими «братскими республиками», то в 1990 году Украина находилась на третьем месте (6763 дол.США), уступая Литве и России (8695 и 8013 дол.США соответственно). Но к 2015 году Украина опустилась в этом рейтинге на последнее место (7940 дол.США), отставая уже более чем в два раза (!) от Беларуси, поднявшейся на четвертое место (17697 дол.США) и почти в 4 раза – от лидера – Литвы (27680 дол.США). (Рис.20). Прирост ВВП Украины за 25 лет составил всего 14%, в то время как другие выбранные для сравнения страны бывшего СССР в среднем показали 70% прироста ВВП за тот же период (см. Рис.20а).

Рис.20. ВВП по некоторым странам. 1992-2015 гг. (доллары США)19
gdp_data <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NY.GDP.MKTP.CD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)  

for(i in 1:118){
       gdp_data$value[i] <- gdp_data$value[i]/1000000000 
}

temp <- grep("1992|1995|2000|2010|2015", gdp_data$date)
gdp_selectedY <- data.frame()

for(i in temp){
        gdp_selectedY <- rbind(gdp_selectedY, gdp_data[i,])
}

colnames(gdp_selectedY) <- c("GDP Billions USD", "Year", "Country")

ggplot(data = gdp_selectedY, aes(x = Country, y = `GDP Billions USD`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("Billions USD")+
        ggtitle("Fig.20. GDP  some countries. 1992-2015")+
        scale_fill_brewer(palette="Pastel2") +
        coord_flip()+
        facet_grid(Year~.)

ВВП по некоторым странам. 1992-2015 гг. (доллары США)

gdp_selectedY2 <- spread(gdp_selectedY, Year, `GDP Billions USD`)
gdp_selectedY2
##              Country      1992       1995       2000       2010       2015
## 1            Belarus  17.02218  13.972638  12.736856   55.22093   54.60896
## 2             Latvia        NA   5.788369   7.937759   23.76508   27.00283
## 3          Lithuania        NA   7.870782  11.539211   37.13256   41.17073
## 4 Russian Federation 460.29056 395.531067 259.708496 1524.91611 1331.20775
## 5            Ukraine  71.89643  48.214752  31.261718  136.01316   90.61502
Рис.20a. Прирост ВВП 2015 г по сравнению с 1992 г (%)
GDPgrowth <- data.frame()
countries <- c("Belarus", "Lithuania", "Latvia", "Russian Federation", "Ukraine")

for(i in countries){
        temp <- gdp_data %>% filter(country == i)
        c <- nrow(temp)
        temp2 <- data.frame(temp[1,3], ((temp[c,1]/temp[1,1])-1)*(-100))
        GDPgrowth <- rbind(GDPgrowth, temp2)
}

colnames(GDPgrowth) <- c("Country", "% of GDP growth")

ggplot(data = GDPgrowth, aes(x = Country, y = `% of GDP growth`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Countries")+
        ylab("% of growth")+
        ggtitle("Fig.20a. GDP growth in 2015 compared with 1990 (%)")

Прирост ВВП 2015 г по сравнению с 1992 г (%)

GDPgrowth
##              Country % of GDP growth
## 1            Belarus        68.19277
## 2          Lithuania        80.88258
## 3             Latvia        78.56385
## 4 Russian Federation        61.17704
## 5            Ukraine        20.65728

За годы независимости друг от друга, не только абсолютная величина ВВП в этих странах значительно изменилась. Так же некоторые изменения претерпела и структура ВВП. Доля промышленности в ВВП сильно сократилась во всех анализируемых странах. Украина, некогда наиболее промышленая страна СССР претерпела самый большой процесс деиндустриализации. Доля промышленности в ВВП сократилась с 51% в 1992 году, до 26% в 2015 г. Самое меньшее скращение доли промышленности в ВВП претерпела Белорусия, упав всего на 8%, с 47,7% до 39,9%.

Доля сельского хозяйства значительно уменьшилась во всех странах без исключения, и, соответственно, доля сферы услуг выросла почти в 2 раза (см.Рис.21-23)

Рис.21. Доля промышленности в ВВП страны (%)20.
industry_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.IND.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", industry_gdp$date)
industry_gdp_selectedY <- data.frame()

for(i in temp){
        industry_gdp_selectedY <- rbind(industry_gdp_selectedY, industry_gdp[i,])
}

colnames(industry_gdp_selectedY) <- c("Industry (% of GDP)", "Year", "Country")

ggplot(data = industry_gdp_selectedY, aes(x = Country, y = `Industry (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.21. Industry, value added (% of GDP)")+
        scale_fill_brewer(palette="Pastel2") +
        coord_flip()+
        facet_grid(Year~.)

Доля промышленности в ВВП страны (%)

industry_gdp_selectedY2 <- spread(industry_gdp_selectedY, Year, `Industry (% of GDP)`)
industry_gdp_selectedY2
##              Country     1992     1995     2000     2010     2015
## 1            Belarus 47.77980 36.96839 39.17020 42.20506 39.97420
## 2             Latvia       NA 30.26274 26.53727 23.85878 23.11596
## 3          Lithuania       NA 31.51827 29.59527 29.06580 30.18047
## 4 Russian Federation 43.00748 36.95603 37.94561 34.69617 32.60456
## 5            Ukraine 50.91000 42.68424 36.31656 29.28666 26.30227
Рис.22. Доля сельского хозяйства в ВВП страны (%)21.
agro_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.AGR.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", agro_gdp$date)
agro_gdp_selectedY <- data.frame()

for(i in temp){
        agro_gdp_selectedY <- rbind(agro_gdp_selectedY, agro_gdp[i,])
}

colnames(agro_gdp_selectedY) <- c("Agriculture (% of GDP)", "Year", "Country")

ggplot(data = agro_gdp_selectedY, aes(x = Country, y = `Agriculture (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.22. Agriculture, value added (% of GDP)")+
        scale_fill_brewer(palette="Pastel2") +
        coord_flip()+
        facet_grid(Year~.)

Доля сельского хозяйства в ВВП страны (%)

agro_gdp_selectedY2 <- spread(agro_gdp_selectedY, Year, `Agriculture (% of GDP)`)
agro_gdp_selectedY2
##              Country      1992      1995      2000      2010      2015
## 1            Belarus 23.572321 17.460441 14.153227 10.569386  7.795778
## 2             Latvia        NA  8.895919  5.118209  4.405188  3.161636
## 3          Lithuania        NA 11.054790  6.277472  3.325049  3.250462
## 4 Russian Federation  7.393539  7.160512  6.434522  3.867401  4.630079
## 5            Ukraine 20.356473 15.400757 17.082808  8.421934 14.036335
Рис.23. Доля сферы услуг в ВВП страны (%)22.
service_gdp <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NV.SRV.TETC.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

temp <- grep("1992|1995|2000|2010|2015", service_gdp$date)
service_gdp_selectedY <- data.frame()

for(i in temp){
        service_gdp_selectedY <- rbind(service_gdp_selectedY, service_gdp[i,])
}

colnames(service_gdp_selectedY) <- c("Services (% of GDP)", "Year", "Country")

ggplot(data = service_gdp_selectedY, aes(x = Country, y = `Services (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Countries")+
        ylab("%")+
        ggtitle("Fig.23. Services, etc., value added (% of GDP)")+
        scale_fill_brewer(palette="Pastel2") +
        coord_flip()+
        facet_grid(Year~.)

Доля сферы услуг в ВВП страны (%)

service_gdp_selectedY2 <- spread(service_gdp_selectedY, Year, `Services (% of GDP)`)
service_gdp_selectedY2
##              Country     1992     1995     2000     2010     2015
## 1            Belarus 28.64788 45.57117 46.67657 47.22556 52.23002
## 2             Latvia       NA 60.84134 68.34452 71.73603 73.72241
## 3          Lithuania       NA 57.42694 64.12726 67.60916 66.56907
## 4 Russian Federation 49.59898 55.88345 55.61987 61.43643 62.76536
## 5            Ukraine 28.73353 41.91500 46.60063 62.29140 59.66140

Внешний долг как % ВВП страны вырос во всех анализируемых странах. Наибольшей величины он достиг в Латвии (почти 135% от ВВП), на втором месте Украина (81%), не на много отстала от Украины и Литва (72,6%), Беларусь и особенно Россия выглядят на их фоне как страны, не живущие «в долг» - (56 и 31% соответственно). Внешний долг как % ВВВ возрос за последние 10 лет возрос для всех стран, кроме России. Так, для Беларсуи – почти в 3 раза, для Латвии, Литвы и Украины – в 2 раза, а вот для России этот показатель уменьшился на 10%. (Рис.24)23.

Рис.24. Внешний долг как % к ВВП
external_debt <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "GC.DOD.TOTL.GD.ZS", startdate = 1990, enddate = 2015) %>% select(value, date, country)

colnames(external_debt) <- c("Government debt (% of GDP)", "Year", "Country")

ggplot(data = external_debt, aes(x = Year, y = `Government debt (% of GDP)`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.24. Central government debt, total (% of GDP)")+
        scale_fill_brewer(palette="Pastel2") +
        facet_grid(Country~., scales = "free")

Данные внешнего государственного долга по странам и периодам

external_debt2 <- spread(external_debt, Country, `Government debt (% of GDP)`)
external_debt2
##    Year   Belarus   Latvia Lithuania Russian Federation  Ukraine
## 1  1992 25.635479       NA        NA                 NA       NA
## 2  1993  5.186132       NA        NA                 NA       NA
## 3  1994 75.954859       NA        NA                 NA       NA
## 4  1995 16.880116       NA        NA                 NA       NA
## 5  1996 11.520117       NA        NA                 NA       NA
## 6  1997 12.171466       NA  14.51986                 NA       NA
## 7  1998 20.180540       NA  14.88472         143.950259       NA
## 8  1999 15.103119       NA  21.37825         100.744837 60.97645
## 9  2000 15.014452       NA        NA          62.149283 45.28747
## 10 2001 11.440617       NA        NA          48.983519       NA
## 11 2002 12.336686       NA        NA          41.395860       NA
## 12 2005  6.570221       NA        NA          16.660868       NA
## 13 2006  6.644402       NA        NA           9.891073       NA
## 14 2007  8.909261       NA        NA           7.158433       NA
## 15 2008 10.656634       NA        NA           6.495295 13.82670
## 16 2009 19.185184       NA        NA           8.697870 24.87512
## 17 2010 19.593715 75.13397  40.63815           9.098114 29.96956
## 18 2011 40.754852 66.04949  40.75320           8.701279 27.48276
## 19 2012 25.224401 62.89724  46.99984           8.701738 33.70310
## 20 2013 24.629697 59.44769  43.76050           9.318649 37.02872
## 21 2014 25.422592       NA        NA          11.356362 63.66532
## 22 2015 38.869017       NA        NA          13.923403       NA

При этом, логично ожидать, что одним из эффектов экономических реформ, в частности – приватизации, должно было стать быстрое и эффективное развитие частного сектора. Но, к сожалению, по крайней мере, для Украины это не оправдалось. Так, по данным ЕБРР, доля частного сектора в ВВП Украины в 2010 году по сравнению с 2004 уменьшилась на 5 % и составила 60%, вместо 65% в предыдущем периоде (рис.25)24. То есть, другими словами, государственные компании, даже потеряв в количестве, приобрели в эффективности работы, а вот предприятия, перешедшие из рук государства к частному собственнику, не то что не добавили частному сектору эффективности, а наоборот – потянули его на дно. Возможно, просто из-за того, что большинство их перестало существовать как промышленные предприятия, были ликвидированы и разпилины на металалом?

Рис.25. Доля частных компаний в ВВП Украины (%)
GDPprivat$`% of GDP by private companies` <- as.numeric(as.character(GDPprivat$`% of GDP by private companies`))

ggplot(data = GDPprivat, aes(x = Year, y = `% of GDP by private companies`, group = 1))+
        geom_line(colour="darkblue", size = 1)+
        geom_point(colour = "darkgreen", size = 2)+
        xlab("Year")+
        ylab("%")+
        ggtitle("Fig.25. Private sector share in GDP (in per cent)")

Доля частных компаний в ВВП Украины (%)

GDPprivat
##   Year % of GDP by private companies
## 1 2004                            65
## 2 2005                            65
## 3 2006                            65
## 4 2007                            65
## 5 2008                            65
## 6 2009                            60
## 7 2010                            60

При этом, отдельно стоит отметить, что в 2010 году количество государственных предприятий составляло всего 2,3% от общего числа предприятий Украины. То есть, другими словами, 2,3% предприятий (государственные) генерировали 40% ВВП страны, а 97% предприятий (частные) – 60% ВВП Украины . Для наглядности отобразим это на диаграмме (рис 26).

Рис.26. Доли частных и государственных предприятий в общем количестве предприятий и в ВВП Украины
d1 <- filter(OwnershipData, year == 2010)
d1$number.of.enterprices <- as.factor(d1$number.of.enterprices)
d2 <- filter(GDPprivat, Year == "2010")
temp <- data.frame(2010, 40)
names(temp) <- names(d2)
d2 <- rbind(temp, d2)
d2$enterprise.ownership <- c("state", "private") 

p1 <- ggplot(data = d1, aes(x = enterprise.ownership, y = number.of.enterprices, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        guides(fill=FALSE)+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Enterprise ownership")+
        ylab("Number of Enterprises")+
        ggtitle("The share of private and public enterprises in the total number of enterprises(2010)")

p2 <- ggplot(data = d2, aes(x = enterprise.ownership, y = `% of GDP by private companies`, fill = enterprise.ownership))+
        geom_bar(colour="black", stat = "identity")+
        scale_fill_brewer(palette="Pastel2") +
        xlab("Enterprise ownership")+
        ylab("%")+
        ggtitle("Share of private and public sector in GDP (2010)")       

grid.arrange(p1, p2, ncol = 2)

СТРУКТУРНЫЕ ИЗМЕНЕНИЯ В ТРУДОВЫХ РЕСУРСАХ УКРАИНЫ (#paragraph5)

Источником данных за последние годы для графиков 27 и 28 стали официальные данные госкомстата Украины, которые публикуются в разделе статистическая информация/ демографические и социальные показатели/ рынок труда, (http://www.ukrstat.gov.ua/), при этом данные о более ранних годах (1990-2000гг) авторам пришлось брать уже из учебников, содержащих соответствующие разделы (например, Аграрна економіка і ринок. Іванух Р. А., Дусановський С. Л., Білан Є. М. - Тернопіль: “Збруч”, 2003. - 305 с.м http://buklib.net/books/31118/). Для удобства читателя, авторские таблицы, составленные по этим данным, можно загрузить на нашем сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx.* Данные графиков 29-31 и 37а-в были взяты из ежегодного отчета Государственного комитета статистики Украины «Праця Украины 2015, который на момент последней редакции статьи можно было загрузить на сайте Комитета Статистики в разделе Публикации / рынок труда/ Праця України 2015/ (Разделы 6 и 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm . Этот отчет содержит большое количество статистических данных о занятости населения Украины в разрезе территориальных, юридических и экономических аспектов.* Данные для построения графиков 32-35 взяты из глобальной международной базы данных World Bank На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://datatopics.worldbank.org/jobs/* Графики 36-37 были построены на основе данных глобальной статистической базы NationMaster http://www.nationmaster.com/. Там можно отследить указанные показатели по многим странам.*

К сожалению, за последние 25 лет классификация занятости населения по отраслям экономики менялась не однократно. В разные периоды, например, «образование», относили к «науке», выделяли в отдельную строку отчетов, присоединяли к «культуре и спорту», объединяли с «социальными работниками». «Культуру и спорт» так же в разные периоды либо выделяли отдельно, либо объединяли с индустрией досуга. Досуг относился и к «другим услугам», и к «администрированию». «Социальных работников» в одни периоды объединяли с работниками образования, в другие периоды - с работниками здравоохранения, или так же относили к категории «другое». Из категории «транспорт и связь» выделили отдельно «телекоммуникацию», присовокупив к ней, однако, информацию. Учитывая такие структурные изменения в самих формах статистической отчетности детальный ретроспективный анализ вплоть до 1990 года не возможен ввиду отсутствия данных, пригодных для сравнения. Последние изменения в структуре отчетности были проведены в 2011 году, но последние 5 лет не отражают всех тенденций структурных изменений в занятости населения Украины. Единственные группы классификации занятости населения по отраслям экономики, которые не претерпевали «объединений» и «разделений», и потому остались доступными для ретроспективного анализа - это сельское хозяйство и промышленность. По этому, авторы предлагают воспользоваться международной практикой, характерной для большинства глобальных баз данных. В них, для простоты, в 2 отдельные группы выделяют, собственно, имеющиеся и у нас «промышленность» и «сельское хозяйство», а к третьей группе - «услуги» - относят все остальное. И так, за весь период независимости количество населения Украины, занятое в экономической деятельности, сократилось более чем на на 17 млн.кадров (с 25,4 в 1990 году до 8,3 млн. в 2015 году). (см.табл.2). При том, что в общем численность населения Украины по данным официальной статистики25 сократилась на 9 млн.чел. (с 51,8 в 1990 году до 42,9 млн. в 2015году). А численность населения трудоспособного возраста – всего на 4 млн. человек (30,3 млн. в 1990 году до 26,6 млн. в 2015 году.)26. При этом за 25 лет более 5 млн. специалистов (это почти 70% по сравнению с 1990 годом) потеряла промышленность Украины и 4,36 млн. специалистов (87% по сравнению с 1990 годом) потеряло сельское хозяйство (см.Таблицу 2)27. Вообще, изъятие более 17 млн. кадров из разных областей - невосполнимая потеря для экономики Украины. И если потерю 4 млн. кадрового потенциала объясняют естественные причины (выход на пенсию), то 13 млн.человек - это граждане, которые перешли в нерегламентированную и нелегальную занятость, из грамотных инженеров, технологов, производственников, переквалифицировавшись в неумелых менеджеров по продажам «всего, чего изволите», выехали на заработки за границу, или пополнили ряды безработных (Рис.27)28.

Рис. 27. Сравнение численности населения Украины, занятого в экономической деятельности с численностью населения трудоспособного возраста 1990-2015 гг.
Employed_in_economic$year <- as.factor(Employed_in_economic$year)

ggplot(data = Employed_in_economic, aes(x = year, y = number, fill = category))+
        geom_bar(colour="black", stat = "identity", position=position_dodge())+
        xlab("Year")+
        ylab("Million people")+
        ggtitle("The population engaged in economic activity and the working-age pop. in total") 

Сравнение численности населения Украины, занятого в экономической деятельности с численностью населения трудоспособного возраста 1990-2015 гг.

Employed_in_economic
##   year                        category number
## 1 1990 Employed in economic activities   24.5
## 2 2015 Employed in economic activities    8.3
## 3 1990   Population of able-bodied age   30.3
## 4 2015   Population of able-bodied age   26.6
# Подготовка данных для Рис. 28
tmp_category <- c("Industry", "Agriculture", "Services")
labour_lost_perc <- data.frame()
labour_lost <- data.frame()

# Создание таблицы потерь рабочих мест по отрослям в процентых показателях 
for(i in tmp_category) {
temp <- Labour %>% filter(Catergory== i) %>% summarise(Catergory= i, `% of lost` = (Million.People[4]/Million.People[1]-1)*(-100))
labour_lost_perc <- rbind(labour_lost_perc, temp)
}

# Создание таблицы потерь рабочих мест по отрослям в количественных показателях 
for(i in tmp_category) {
temp <- Labour %>% filter(Catergory== i) %>% summarise(Catergory= i, `Millions peple of lost` = Million.People[1]-Million.People[4])
labour_lost <- rbind(labour_lost, temp)
}
Рис. 28. Занятость населения Украины по отраслям экономики 1990-2015 гг (млн.чел.)
ggplot(data = Labour, aes(x = Year, y = Million.People))+
        geom_line(aes(colour = Catergory))+
        geom_point()+
        xlab("Year")+
        ylab("Million People")+
        ggtitle("Fig.28. Employment of the population of Ukraine by economic sectors 1990-2015")

Количество людей задействованных в той или иной экономической активности в 1990 и в 2015

Labour2 <- spread(Labour, Catergory, Million.People)
Labour2
##   Year Agriculture Industry Services
## 1 1990        5.00     7.80    12.60
## 2 2000        4.90     4.10    12.30
## 3 2011        0.74     3.20     6.22
## 4 2015        0.64     2.42     5.27

Процент потерь рабочих мест с 1990 до 2015 года в Промышленности, Сельском хозяйстве и Сфере услуг

labour_lost_perc
##     Catergory % of lost
## 1    Industry  68.97436
## 2 Agriculture  87.20000
## 3    Services  58.17460

Количество потерь рабочих мест в тех-же отраслях украинской экономике с 1990 по 2015 года

labour_lost
##     Catergory Millions peple of lost
## 1    Industry                   5.38
## 2 Agriculture                   4.36
## 3    Services                   7.33

При этом доля государственного и коммунального секторов по количеству занятых в них довольно велика – 44% всех работающих (20,7% приходятся на государственный сектор, 23,2% - на коммунальный). Остальные 56% трудятся в частном секторе, а так же в структурах с корпоративным управлением (акционерных обществах), которые могут включать в себя как государственных так и частных собственников. (более детально см.рис.29)29.

# Подготовка данных для Рис.29
Labour_force_total <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_total[i-1,2] <- Labour_force[1,i]
}
colnames(Labour_force_total) <- c("Organizational forms of employment in Ukraine", "% Of employees")
Рис.29. Структура занятости населения Украины в разрезе организационных форм в 2015 г (%).
#Salaries 
ggplot(data = Labour_force_total, aes(x = `Organizational forms of employment in Ukraine`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment in Ukraine")+
        ylab("% Of employees")+
        ggtitle("Fig.29. Structure of employment in the context of 
organizational forms in 2015") 

Структура занятости населения Украины в разрезе организационных форм в 2015 г (%)

Labour_force_total
##    Organizational forms of employment in Ukraine % Of employees
## 1                       State.owned.enterprises.            3.3
## 2                            Public.enterprises.            3.9
## 3                          Joint.Stock.Companies           13.1
## 4                                            LTD           23.2
## 5                                       Branches           12.0
## 6                              Private.companies            3.3
## 7                   State.government.authorities            7.7
## 8                   Local.government.authorities            5.6
## 9              state.organization..institution..            9.7
## 10  public..communal..organization..institution.           13.7
## 11                                   Other.forms            4.5

В промышленности Украины на государственный и коммунальный сектора приходилось почти 12% работающих в Украине (5,4% и 6,4% соответственно), а 88% - на частный сектор и структуры с корпоративным управлением (акционерные общества), которые могут включать в себя как государственных так и частных собственников. (более детально см.Рис.30. )

# Подготовка данных для Рис.30
Labour_force_industry <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_industry[i-1,2] <- Labour_force[3,i]
}
colnames(Labour_force_industry) <- c("Organizational forms of employment in the Industry", "% Of employees")
Labour_force_industry <- Labour_force_industry[-c(7:10),]
Рис.30. Структура занятости в промышленности Украины в разрезе организационных форм в 2015г (%).
ggplot(data = Labour_force_industry, aes(x = `Organizational forms of employment in the Industry`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment")+
        ylab("% Of employees")+
        ggtitle("Fig.30. Structure of employment in the Ukrainian industry in the 
context of organizational forms in 2015") 

Структура занятости населения в украинской промышленности в разрезе организационных форм в 2015 г (%)

Labour_force_industry
##    Organizational forms of employment in the Industry % Of employees
## 1                            State.owned.enterprises.            5.4
## 2                                 Public.enterprises.            6.4
## 3                               Joint.Stock.Companies           38.0
## 4                                                 LTD           27.2
## 5                                            Branches           15.2
## 6                                   Private.companies            2.8
## 11                                        Other.forms            4.9

В сельском хозяйстве на долю государственного и коммунального секторов приходилось почти 15% занятых (13,7% и 1,1% соответственно) и чуть более 85% на частный сектор, а так же структуры с корпоративным управлением (более детально см.рис.31)

# Подготовка данных для Рис.31
Labour_force_agriculture <- data.frame(colnames(Labour_force)[-1]) 

for (i in 2:12){
        Labour_force_agriculture[i-1,2] <- Labour_force[2,i]
}
colnames(Labour_force_agriculture) <- c("Organizational forms of employment in the Agriculture", "% Of employees")
Labour_force_agriculture <- filter(Labour_force_agriculture, `% Of employees` > 0)
Рис.31. Структура занятости в сельском хозяйстве Украины в разрезе организационных форм в 2015 (%).
ggplot(data = Labour_force_agriculture, aes(x = `Organizational forms of employment in the Agriculture`, y = `% Of employees`))+
        geom_bar(colour="blue", fill = "white", stat = "identity")+
        coord_flip()+
        xlab("Organizational forms of employment")+
        ylab("% Of employees")+
        ggtitle("Fig.31. Structure of employment in the Agriculture industry in the 
context of organizational forms in 2015") 

Структура занятости населения в украинской агропромышленности в разрезе организационных форм в 2015 г (%)

Labour_force_agriculture
##   Organizational forms of employment in the Agriculture % Of employees
## 1                              State.owned.enterprises.           12.6
## 2                                   Public.enterprises.            1.1
## 3                                 Joint.Stock.Companies            5.4
## 4                                                   LTD           48.5
## 5                                              Branches            4.9
## 6                                     Private.companies           12.3
## 7                     state.organization..institution..            1.1
## 8                                           Other.forms           14.1

Если сравнить Украину с другими выбранными странами бывшего СССР, то тенденции в изменении отраслевой структуры занятости сходны. Наблюдается уменьшение доли сельского хозяйства (на 3-5%), уменьшение доли промышленности (на 1-3%), и соответственно, увеличение доли сферы услуг. (Рис.32-34)

Рис.32. Доля промышленности в общем количестве рабочих мест страны (%)30.
industry_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.IND.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(industry_share_labor) <- c("Employment in industry (% of total employment)", "Year", "Country")

ggplot(data = industry_share_labor, aes(x = Year, y = `Employment in industry (% of total employment)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.32. Employment in industry (% of total employment)")+
        facet_grid(Country~., scales = "free")

Данные по проценту занятых в промышленности в некоторых странах бывшего СССР с 1990 г. по 2014 г.

industry_share_labor2 <- spread(industry_share_labor, Country, `Employment in industry (% of total employment)`)
industry_share_labor2
##    Year Belarus Latvia Lithuania Russian Federation Ukraine
## 1  1990    38.5     NA        NA               40.2     9.5
## 2  1991    37.3     NA        NA               39.8     9.1
## 3  1992    36.9     NA        NA               38.8     8.0
## 4  1993    36.2     NA        NA               38.0    30.5
## 5  1994    34.9     NA        NA               35.9    31.7
## 6  1995      NA     NA        NA               34.0    28.0
## 7  1996      NA   27.2        NA               32.5    26.4
## 8  1997      NA   25.8      28.5               30.0    24.6
## 9  1998      NA   27.1      29.1               29.1    23.8
## 10 1999      NA   26.0      27.2               28.2    22.6
## 11 2000      NA   26.8      27.0               28.4    20.8
## 12 2001      NA   26.4      26.8               29.4    26.3
## 13 2002      NA   25.6      27.5               29.5    25.2
## 14 2003      NA   26.9      27.3               30.4    24.6
## 15 2004      NA   27.3      28.1               29.7    24.6
## 16 2005      NA   26.7      29.1               29.8    24.2
## 17 2006      NA   27.9      29.6               29.3    24.2
## 18 2007      NA   29.1      30.5               29.2    23.9
## 19 2008      NA   29.6      30.6               28.9    23.4
## 20 2009    33.7   24.5      26.9               27.5    25.7
## 21 2010    34.1   23.4      24.5               27.7      NA
## 22 2011    34.1   23.0      24.6               27.5    25.7
## 23 2012    33.3   23.6      25.3               27.8    25.8
## 24 2013    33.2   24.2      25.6               27.7    24.8
## 25 2014      NA   24.1      24.8               27.5    26.1
Рис.33. Доля сельского хозяйства в общем количестве рабочих мест страны (%)31.
agriculture_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.AGR.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(agriculture_share_labor) <- c("Employment in agriculture (%)", "Year", "Country")

ggplot(data = agriculture_share_labor, aes(x = Year, y = `Employment in agriculture (%)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.33. Employment in agriculture (% of total employment)")+
        facet_grid(Country~., scales = "free")

Данные по проценту занятых в сельском хозяйстве в некоторых странах бывшего СССР с 1990 г. по 2014 г.

agriculture_share_labor2 <- spread(agriculture_share_labor, Country, `Employment in agriculture (%)`)
agriculture_share_labor2
##    Year Belarus Latvia Lithuania Russian Federation Ukraine
## 1  1990    21.6     NA        NA               13.9    19.8
## 2  1991    21.1     NA        NA               14.2    19.3
## 3  1992    22.3     NA        NA               15.4    20.8
## 4  1993    21.7     NA        NA               15.5    20.7
## 5  1994    21.2     NA        NA               16.1    21.0
## 6  1995      NA     NA        NA               15.7    22.5
## 7  1996      NA   17.3        NA               15.3    21.9
## 8  1997      NA   21.5      20.7               12.2    22.1
## 9  1998      NA   19.0      19.6               11.7    22.6
## 10 1999      NA   16.7      19.3               15.0    22.7
## 11 2000      NA   14.2      18.1               14.5    23.4
## 12 2001      NA   14.6      17.0               12.0    20.9
## 13 2002      NA   15.8      18.2               11.3    20.6
## 14 2003      NA   13.8      18.3               10.9    20.4
## 15 2004      NA   12.8      16.1               10.2    19.7
## 16 2005      NA   11.6      14.2               10.2    19.4
## 17 2006      NA   10.9      13.7               10.0    17.6
## 18 2007      NA    9.7      11.1                9.0    16.7
## 19 2008      NA    7.7       7.9                8.6    15.8
## 20 2009    10.5    8.5       8.9                8.4    20.0
## 21 2010    10.5    8.3       8.7                7.9      NA
## 22 2011    10.4    8.7       8.3                7.7    20.2
## 23 2012    10.1    8.1       8.8                7.3    19.7
## 24 2013     9.6    7.8       8.4                7.0    20.0
## 25 2014      NA    7.3       9.0                6.7    14.8
Рис.34. Доля сферы услуг в общем количестве рабочих мест страны (%)32.
services_share_labor <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.SRV.EMPL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(services_share_labor) <- c("Employment in services (% of total employment)", "Year", "Country")

ggplot(data = services_share_labor, aes(x = Year, y = `Employment in services (% of total employment)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of total employment")+
        ggtitle("Fig.34. Employment in services (% of total employment)")+
        facet_grid(Country~., scales = "free")

Данные по проценту занятых в сфере услуг в некоторых странах бывшего СССР с 1990 г. по 2014 г.

services_share_labor2 <- spread(services_share_labor, Country, `Employment in services (% of total employment)`)
services_share_labor2
##    Year Belarus Latvia Lithuania Russian Federation Ukraine
## 1  1990    36.1     NA        NA               45.6    15.4
## 2  1991    36.6     NA        NA               45.7    15.2
## 3  1992    36.6     NA        NA               45.5    14.7
## 4  1993    38.2     NA        NA               46.1    14.8
## 5  1994    40.0     NA        NA               47.7    14.8
## 6  1995      NA     NA        NA               50.0    14.0
## 7  1996      NA   55.4        NA               52.2    14.4
## 8  1997      NA   52.4      50.8               57.8    14.3
## 9  1998      NA   53.9      51.4               59.2    14.0
## 10 1999      NA   57.0      53.1               56.8    14.3
## 11 2000      NA   58.6      54.4               57.1    13.3
## 12 2001      NA   57.3      55.8               58.6    52.8
## 13 2002      NA   58.0      53.7               59.1    54.2
## 14 2003      NA   58.5      54.1               58.7    55.1
## 15 2004      NA   59.3      55.1               60.1    55.7
## 16 2005      NA   61.4      56.1               60.0    56.4
## 17 2006      NA   61.0      56.2               60.7    58.2
## 18 2007      NA   61.2      57.8               61.8    59.4
## 19 2008      NA   62.6      61.0               62.4    60.7
## 20 2009    49.9   66.9      63.9               64.1    53.5
## 21 2010    55.3   68.3      66.4               64.4      NA
## 22 2011    55.5   68.0      66.7               64.9    54.2
## 23 2012    56.6   68.1      65.6               64.9    54.5
## 24 2013    57.2   67.9      65.6               65.3    55.2
## 25 2014      NA   68.6      65.8               65.8    59.1

Наиболее высок официальный уровень безработицы прибалтийских странах (почти 12%), в Украине он составил в 2013 году 7,5%, сократившись за 10 лет на 1,5%. Самый низкий уровень безработицы в Беларуси, который составляет всего 0,6% (см.рис.35)33.

Рис.35. Уровень безработицы (%).
unemployment <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "SL.UEM.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

colnames(unemployment) <- c("Unemployment (% of total labor force)", "Year", "Country")

ggplot(data = unemployment, aes(x = Year, y = `Unemployment (% of total labor force)`, group=1))+
        geom_line(aes(colour = Country), size=1)+
        geom_point(colour = "darkblue", size=1)+
        xlab("Year")+
        ylab("% of Unemployment")+
        ggtitle("Fig.35. Unemployment, total (% of total labor force)")+
        facet_grid(Country~., scales = "free")

Данные по безработице в некоторых странах бывшего СССР с 1990 г. по 2014 г.

unemployment2 <- spread(unemployment, Country, `Unemployment (% of total labor force)`)
unemployment2
##    Year Belarus Latvia Lithuania Russian Federation Ukraine
## 1  1991     6.4   13.3      15.7               12.2     6.8
## 2  1992     6.4   12.9       9.8                5.2     7.5
## 3  1993     6.4   12.6      12.8                5.9     8.7
## 4  1994     6.3   10.9      17.4                8.1     7.0
## 5  1995     6.4   12.0      17.1                9.4     5.6
## 6  1996     6.3   12.6      15.6                9.7     7.6
## 7  1997     6.4   14.7      14.1               11.8     8.9
## 8  1998     6.5   14.5      13.7               13.3    11.3
## 9  1999     6.5   13.8      13.4               13.0    11.6
## 10 2000     6.5   14.2      15.9               10.6    11.6
## 11 2001     6.5   13.1      16.8                9.0    10.9
## 12 2002     6.6   13.2      13.0                7.9     9.6
## 13 2003     6.5   10.6      12.9                8.2     9.1
## 14 2004     6.5    9.9      11.3                7.8     8.6
## 15 2005     6.4    8.9       8.3                7.1     7.2
## 16 2006     6.4    6.8       5.6                7.1     6.8
## 17 2007     6.3    6.0       4.3                6.0     6.4
## 18 2008     6.2    7.4       5.8                6.2     6.4
## 19 2009     6.1   17.1      13.7                8.3     8.8
## 20 2010     6.2   18.7      17.8                7.3     8.1
## 21 2011     6.1   16.2      15.3                6.5     7.9
## 22 2012     5.9   14.9      13.2                5.5     7.5
## 23 2013     6.0   11.9      11.8                5.5     7.2
## 24 2014     5.9   10.0      11.3                5.1     7.7

Из исследуемых стран самый низкий уровень оплаты труда, к сожалению, так же в Украине. И минимальные и средние зарплаты в 2013 году были в нашей стране существенно ниже. Следует отметить, что по уровню средней заработной платы Россия практически сравнялась с прибалтийскими странами, а Беларусь отстает от них всего на 10-15%, в то время как заработная плата в Украине в 2 раза ниже, чем в Латвии и Литве. (Рис.36-37)

Рис.36. Минимальная заработная плата в месяц в 2013 г (доллары США)34.
# Выбираем из таблицы необходимые для анализа страны. 
minwagen <- grep("Latvia|Lithuania|Russia|Belarus|Ukraine", MinWage$Country)

# Создаем новую таблицу стран из анализируемых стран
MinWage_selected <- data.frame()
for(i in minwagen){
        MinWage_selected <- rbind(MinWage_selected, MinWage[i,])
}

ggplot(data = MinWage_selected, aes(x = Country, y = EUR))+
        geom_bar(colour="blue", fill = "darkorange", stat = "identity")+
        
        xlab("Country")+
        ylab("EUR")+
        ggtitle("Fig.36. The minimum wage per month in 2013 (US dollars)") 

Минимальная заработная плата в месяц по выбранным странам в 2013 г (доллары США)

MinWage_selected
##      Country    EUR
## 21    Latvia 320.00
## 23 Lithuania 289.62
## 32    Russia 131.63
## 33   Belarus 130.52
## 34   Ukraine 111.99
Рис. 37. Средняя заработная плата в месяц 2014 (доллары США)35.
# Выбираем из таблицы необходимые для анализа страны. 
avwagen <- grep("Latvia|Lithuania|Russia|Belarus|Ukraine", AvWage$Country)

# Создаем новую таблицу стран из анализируемых стран
AvWage_selected <- data.frame()
for(i in avwagen){
        AvWage_selected <- rbind(AvWage_selected, AvWage[i,])
}

ggplot(data = MinWage_selected, aes(x = Country, y = EUR))+
        geom_bar(colour="darkorange", fill = "darkblue", stat = "identity")+
        
        xlab("Country")+
        ylab("USD")+
        ggtitle("Fig.37. Average monthly wage in 2014 (US dollars)") 

Средняя заработная плата в месяц по выбранным странам в 2014 г (доллары США)

MinWage_selected
##      Country    EUR
## 21    Latvia 320.00
## 23 Lithuania 289.62
## 32    Russia 131.63
## 33   Belarus 130.52
## 34   Ukraine 111.99

В зависимости от формы собственности, официальная заработная плата в Украине так же существенно отличалась. Традиционно, государственный сектор в официальных выплатах заработной платы, значительно опережал (почти в два раза) и частные, и коммунальные предприятия. (см.Рис.37а)36. Для промышленности и сельского хозяйства характерны те же тенденции, что и в целом по всем видам экономической деятельности. Отдельно необходимо подчеркнуть, что официальная статистика говорит только об официальных выплатах, никак не учитывая практику «зарплат в конвертах», особо характерных для частного сектора.

# Подготовка данных для Рис.37а.
Salaries_total <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_total[i-2,2] <- as.numeric(as.character(Salaries[1,i]))
}

colnames(Salaries_total) <- c("Organizational forms of employment in Ukraine", "Average wage level in UAH")
Рис.37а. Официальные заработные платы в Украине в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_total, aes(x = `Organizational forms of employment in Ukraine`, y = `Average wage level in UAH`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig.37a. Official salaries in Ukraine 
                depending on the organizational form of 
                the facility in 2015 (UAH)") +
        coord_flip()

Средний уровень заработных плат Украины в разрезе организационных форм в 2015 г (%)

Salaries_total
##    Organizational forms of employment in Ukraine Average wage level in UAH
## 1                       State.owned.enterprises.                      5570
## 2                            Public.enterprises.                      3509
## 3                          Joint.Stock.Companies                      6213
## 4                                            LTD                      4320
## 5                                       Branches                      4872
## 6                              Private.companies                      2564
## 7                   State.government.authorities                      3419
## 8                   Local.government.authorities                      2988
## 9              state.organization..institution..                      3683
## 10  public..communal..organization..institution.                      2881
## 11                                   Other.forms                      4579
# Подготовка данных для Рис.37б.
Salaries_industry <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_industry[i-2,2] <- as.numeric(as.character(Salaries[3,i]))
}

colnames(Salaries_industry) <- c("Organizational forms of employment", "Salaries in industry (UAH)")

Salaries_industry <- filter(Salaries_industry, `Salaries in industry (UAH)` > 0)
Рис.37б. Официальные заработные платы в Украине в промышленности в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_industry, aes(x = `Organizational forms of employment`, y = `Salaries in industry (UAH)`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig.37b.  Official wages in Ukraine in industry, depending on the 
                organizational form of the facility in 2015 (UAH)") +
        coord_flip()

Средний уровень заработных плат в промышленном секторе экономики Украины в разрезе организационных форм в 2015 г (%)

Salaries_industry
##              Organizational forms of employment Salaries in industry (UAH)
## 1                      State.owned.enterprises.                       5040
## 2                           Public.enterprises.                       3510
## 3                         Joint.Stock.Companies                       5466
## 4                                           LTD                       3900
## 5                                      Branches                       5686
## 6                             Private.companies                       2422
## 7                  Local.government.authorities                       1989
## 8             state.organization..institution..                       3770
## 9  public..communal..organization..institution.                       2503
## 10                                  Other.forms                       4489
# Подготовка данных для Рис.37в.
Salaries <- read.xlsx("salaries by economic activity.xlsx", sheetName="salaries by econom.act.", header=TRUE)


Salaries_agriculture <- data.frame(colnames(Salaries)[-c(1:2)]) 
for (i in 3:13){
        Salaries_agriculture[i-2,2] <- as.numeric(as.character(Salaries[2,i]))
}

colnames(Salaries_agriculture) <- c("Organizational forms of employment", "Salaries in Agriculture (UAH)")

Salaries_agriculture <- filter(Salaries_agriculture, `Salaries in Agriculture (UAH)` > 0)
Рис.37в. Официальные заработные платы в Украине в промышленности в зависимости от организационной формы объекта в 2015 г (грн.)
ggplot(data = Salaries_agriculture, aes(x = `Organizational forms of employment`, y = `Salaries in Agriculture (UAH)`))+
        geom_bar(colour="darkorange", fill = "white", stat = "identity")+
        
        xlab("Organizational form")+
        ylab("Average wage level in UAH")+
        ggtitle("Fig. 37c. Official wages in Ukraine in agriculture, depending 
                on the organizational form of the facility in 2015 (UAH)") +
        coord_flip()

Средний уровень заработных плат в аграрном секторе экономики Украины в разрезе организационных форм в 2015 г (%)

Salaries_agriculture
##   Organizational forms of employment Salaries in Agriculture (UAH)
## 1           State.owned.enterprises.                          4465
## 2                Public.enterprises.                          3254
## 3              Joint.Stock.Companies                          3621
## 4                                LTD                          3275
## 5                           Branches                          3796
## 6                  Private.companies                          2902
## 7  state.organization..institution..                          2776
## 8                        Other.forms                          2499

ИНДУСТРИАЛЬНОЕ ПРОИЗВОДСТВО

Данные для построения графа 38 взяты для Беларуси из глобальной международной базы данных Quandl https://www.quandl.com/data/WORLDBANK/BLR_IPTOTSAKD-Belarus-Industrial-Production-constant-US-seas-adj, для других стран – в глобальной базе данных WorldBank. На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS. Использование базы данных Quandl объясняется отсутствием в статистике WorldBank данных по Беларуси за года, ранее 1997. *Данные графиков 39-47 за 1990-2000 года, взяты, в первую очередь, из раздела «Промышленность» Статистического ежегодника Украины за 2013 г. (на момент последней редакции работы его можно было загрузить по ссылке library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf. Кроме того, для удобства читателей, данный документ доступен для скачивания и на нашем сайте ___). Этот ежегодник крайне интересен именно тем, что приводит многие показатели начиная с первых дней независимости Украины, которые не содержатся в архивах сайта Государственного комитета статистики (http://www.ukrstat.gov.ua/ Статистична інформація / Економічна статистика / Економічна діяльність / Промисловість / Виробництво основних видів промислової продукції).* Однако, за более поздние периоды (начиная с 2003 года), по ряду показателей, авторами было обнаружено несоответствие данных Ежегодника и официального сайта Госкомстата. Так, выбрав для детального анализа 40 показателей, авторами было обнаружено противоречие данных по 6 показателям (серная кислота, гидроксид натрия, автобусы, автомобили, мука, хлеб и хлебобулочные изделия). Так, например, для объемов производства серной кислоты сайт Госкомстата приводит за 2012 год – 948 тыс.тон, за 2013 год – 906 тыс.тон , Ежегодник… приводит 1371 и 1170 тыс.тон соответственно. Там, где данные двух источников противоречили друг другу, авторами использовались данные официального сайта Госкомстата, в расчете на то, что они обновляются чаще, в то время как официальное печатаное издание, возможно, нуждается в редактировании. Кроме того, по некоторым показателям невозможно провести ретроспективный анализ, поскольку единицы измерения для них были измены (например, галька, гравий, и т.д., измерялись до 2010 года в м.куб., а с 2011 года уже в тоннах). Для удобства читателей данные за все года, которые можно сопоставить, взятые из этих источников, собраны в авторских таблицах показателей производства основных видов продукции добывающей (https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/Extractive%20industry.xlsx ) и перерабатывающей (https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/Processing%20industry_fin.xlsx ) промышленности Украины. Для построения графиков отчета по каждому показателю авторами использовались наиболее ранний и поздний доступные года, когда наблюдался общий подъем производства, и 2013 год – как последний год, в который статистика учитывала производство на территории АРК и зоны АТО. Данные графиков 48-49 так же можно найти на сайте Госкомстата (http://www.ukrstat.gov.ua Економічна статистика /Зовнішньоекономічна діяльність/Експорт-імпорт окремих видів товарів за країнами світу). Авторские таблицы в формате excel, подготовленные по этим данным, так же можно загрузить и на нашем сайте ______________.

За годы независимости блестящий рост индустриального производства показала Беларусь, увеличив его только за 10 последних лет почти в 8 (!!!) раз. Положительная динамика так же характерна и для РФ (+25%), Латвии и Литвы (17% и 20%) соответственно (Рис 38). Украина за 10 лет осталась практически на том же месте, показав прирост меньше 1%. Этого, к сожалению, недостаточно даже для компенсации уровня инфляции, составлявшего, в частности для доллара США, в котором измеряется данный показатель, в среднем 2% ежегодно.37.

Рис.38. Индустриальное производство (млн.дол.США) 38.
Industrial_production
##            Year            Country Billions USD
## 1          1991          Lithuania           NA
## 2          1992          Lithuania           NA
## 3          1993          Lithuania           NA
## 4          1994          Lithuania           NA
## 5          1995          Lithuania           NA
## 6          1996          Lithuania      5.91000
## 7          1997          Lithuania      6.18000
## 8          1998          Lithuania      7.10000
## 9          1999          Lithuania      6.15000
## 10         2000          Lithuania      6.10000
## 11         2001          Lithuania      6.90000
## 12         2002          Lithuania      7.25000
## 13         2003          Lithuania      8.29000
## 14         2004          Lithuania      9.29000
## 15         2005          Lithuania      9.91000
## 16         2006          Lithuania     10.40000
## 17         2007          Lithuania     10.60000
## 18         2008          Lithuania     11.10000
## 19         2009          Lithuania      9.55000
## 20         2010          Lithuania     10.20000
## 21         2011          Lithuania     10.80000
## 22         2012          Lithuania     11.20000
## 23         2013          Lithuania     11.50000
## 24         2014          Lithuania     11.50000
## 25         2015          Lithuania     12.10000
## 26         2016          Lithuania     12.50000
## 27         2017          Lithuania      2.12000
## 28         1991             Latvia           NA
## 29         1992             Latvia           NA
## 30         1993             Latvia           NA
## 31         1994             Latvia           NA
## 32         1995             Latvia           NA
## 33         1996             Latvia           NA
## 34         1997             Latvia           NA
## 35         1998             Latvia           NA
## 36         1999             Latvia      3.41000
## 37         2000             Latvia      4.10000
## 38         2001             Latvia      4.53000
## 39         2002             Latvia      4.85000
## 40         2003             Latvia      5.23000
## 41         2004             Latvia      5.60000
## 42         2005             Latvia      6.00000
## 43         2006             Latvia      6.39000
## 44         2007             Latvia      6.46000
## 45         2008             Latvia      6.26000
## 46         2009             Latvia      5.12000
## 47         2010             Latvia      5.88000
## 48         2011             Latvia      6.41000
## 49         2012             Latvia      6.81000
## 50         2013             Latvia      6.75000
## 51         2014             Latvia      6.67000
## 52         2015             Latvia      6.91000
## 53         2016             Latvia      7.29000
## 54         2017             Latvia           NA
## 55         1991 Russian.Federation           NA
## 56         1992 Russian.Federation           NA
## 57         1993 Russian.Federation           NA
## 58         1994 Russian.Federation    296.00000
## 59         1995 Russian.Federation    285.00000
## 60         1996 Russian.Federation    270.00000
## 61         1997 Russian.Federation    275.00000
## 62         1998 Russian.Federation    261.00000
## 63         1999 Russian.Federation    290.00000
## 64         2000 Russian.Federation    333.00000
## 65         2001 Russian.Federation    342.00000
## 66         2002 Russian.Federation    353.00000
## 67         2003 Russian.Federation    387.00000
## 68         2004 Russian.Federation    418.00000
## 69         2005 Russian.Federation    439.00000
## 70         2006 Russian.Federation    474.00000
## 71         2007 Russian.Federation    506.00000
## 72         2008 Russian.Federation    509.00000
## 73         2009 Russian.Federation    461.00000
## 74         2010 Russian.Federation    503.00000
## 75         2011 Russian.Federation    529.00000
## 76         2012 Russian.Federation    547.00000
## 77         2013 Russian.Federation    549.00000
## 78         2014 Russian.Federation    558.00000
## 79         2015 Russian.Federation    553.00000
## 80         2016 Russian.Federation    561.00000
## 81         2017 Russian.Federation     83.60000
## 82         1991            Ukraine           NA
## 83         1992            Ukraine           NA
## 84         1993            Ukraine           NA
## 85         1994            Ukraine           NA
## 86         1995            Ukraine           NA
## 87         1996            Ukraine           NA
## 88         1997            Ukraine           NA
## 89         1998            Ukraine           NA
## 90         1999            Ukraine           NA
## 91         2000            Ukraine           NA
## 92         2001            Ukraine           NA
## 93         2002            Ukraine     31.50000
## 94         2003            Ukraine     36.60000
## 95         2004            Ukraine     40.90000
## 96         2005            Ukraine     42.00000
## 97         2006            Ukraine     44.30000
## 98         2007            Ukraine     47.50000
## 99         2008            Ukraine     45.10000
## 100        2009            Ukraine     35.80000
## 101        2010            Ukraine     40.10000
## 102        2011            Ukraine     43.30000
## 103        2012            Ukraine     43.00000
## 104        2013            Ukraine     41.20000
## 105        2014            Ukraine     37.00000
## 106        2015            Ukraine     32.20000
## 107        2016            Ukraine     33.10000
## 108        2017            Ukraine           NA
## 1991-12-31 1991         Belorussia      0.00000
## 1992-12-31 1992         Belorussia      0.00000
## 1993-12-31 1993         Belorussia      0.00000
## 1994-12-31 1994         Belorussia      0.00000
## 1995-12-31 1995         Belorussia      0.00000
## 1996-12-31 1996         Belorussia      0.00000
## 1997-12-31 1997         Belorussia      0.00000
## 1998-12-31 1998         Belorussia      0.00000
## 1999-12-31 1999         Belorussia      0.00000
## 2000-12-31 2000         Belorussia      0.00000
## 2001-12-31 2001         Belorussia      0.00000
## 2002-12-31 2002         Belorussia     10.25355
## 2003-12-31 2003         Belorussia     10.51609
## 2004-12-31 2004         Belorussia     11.37991
## 2005-12-31 2005         Belorussia     10.84609
## 2006-12-31 2006         Belorussia     10.93393
## 2007-12-31 2007         Belorussia     14.28887
## 2008-12-31 2008         Belorussia     18.43800
## 2009-12-31 2009         Belorussia     18.00819
## 2010-12-31 2010         Belorussia     23.60549
## 2011-12-31 2011         Belorussia     49.19416
## 2012-12-31 2012         Belorussia     87.15053
## 2013-12-31 2013         Belorussia     85.76516
## 2014-12-31 2014         Belorussia     94.58223
## 2015-12-31 2015         Belorussia     40.81684
ggplot(data = Industrial_production, aes(x = Year, y = `Billions USD`, fill = Country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand tones")+
        ggtitle("fig39. Manufacture of coke and certain types of products of oil refining")+
        facet_grid(Country~., scales = "free")
## Warning: Removed 29 rows containing missing values (position_stack).

Если же говорить о конкретных объемах производства товаров, то они снизились практически для всех отраслей промышленности.

Так, например, в нефтеперерабатывающей промышленности за период с 1990 по 2015 гг. изготовление кокса снизилось в 3 раза. При этом в 2003 году наблюдался небольшой рост производства кокса, общий объем в тот период составил почти 2/3 объема 1990 года. За 2013-2015 гг. производство кокса сократилось еще в 1,5 раза. (см.рис.39).39.
##### Рис.39. Производство кокса по годам (млн.т.)

ProcessingIndustry.Nan <- ProcessingIndustry %>% filter(Value > 0)

coke <- ProcessingIndustry.Nan  %>% filter(ProductName == "Coke-oven coke of coking coal")

ggplot(data = coke, aes(x = Year, y = Value))+
        geom_bar(colour="black", fill="white", stat = "identity")+
        xlab("Year")+
        ylab("Million tones")+
        ggtitle("Fig39. Coke production by years (million tons)")

СТАРОЕ

Рис.39. Изготовление кокса и отдельных видов продуктов нефтепереработки (тыс.тон)
ProcessingIndustry.Nan <- ProcessingIndustry %>% filter(Value > 0)

product_names39 <- c("Coke-oven coke of coking coal", "Primary oil processing", "Oil asphalt and shore bitumen")


fig39 <- data.frame() 

for (i in product_names39){
       temp <- ProcessingIndustry.Nan   %>% filter(ProductName == i) 
       fig39 <- rbind(fig39, temp)
}

fig39$Year <- as.numeric(fig39$Year)

ggplot(data = fig39, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand tones")+
        ggtitle("fig39. Manufacture of coke and certain types of products of oil refining")+
        facet_grid(ProductName~., scales = "free")

Рис.40. Производство некоторых видов веществ химических основных неорганических (тыс.тон)
product_names40 <- c("Sulphuric acid,", "Sodium hydroxide (caustic soda)", "Rubber tires")

fig40 <- data.frame() 

for (i in product_names40){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig40 <- rbind(fig40, temp)
}

fig40$Year <- as.numeric(fig40$Year)

ggplot(data = fig40, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand tones")+
        ggtitle("Fig.40. Production of some types of substances in basic inorganic chemicals")+
        facet_grid(ProductName~., scales = "free")

Рис.41. Производство отдельных видов продукции металлургического производства (млн.т.)
product_names41 <- c("Cast iron", "Steel without semi-finished products produced through continuous casting", "Pipes of  large and small diameters, hollow sections made of  ferrous  metals")

fig41 <- data.frame() 

for (i in product_names41){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig41 <- rbind(fig41, temp)
}

fig41$Year <- as.numeric(fig41$Year)

ggplot(data = fig41, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Million tones")+
        guides(fill=FALSE)+
        
        ggtitle("Fig.41. Production of selected types of products of metallurgical production 
                (million tons)")+
        
        facet_grid(ProductName~., scales = "free")

Рис.42. Производство отдельных видов продукции машиностроения
product_names42 <- c("Tractors for agriculture and forestry", "Motor cars", "Buses")

fig42 <- data.frame() 

for (i in product_names42){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig42 <- rbind(fig42, temp)
}


fig42$Year <- as.numeric(fig42$Year)

ggplot(data = fig42, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand units")+
        geom_smooth(method = "loess")+
        ggtitle("Fig.42. Production of selected types of machine-building products 
                (thousand units)")+
        
        facet_grid(ProductName~., scales = "free")

Интересующийся слушатель может ознакомиться с более подробной подборкой статистических показателей развития (а точнее упадка) промышленности Украины за этот период, которая, например, приведена в «Статистическом ежегоднике Украины за 2013». К большому сожалению автора, слушатель только убедиться в том, что и в других отраслях промышленности ситуация аналогичная.

Даже такая отрасль, как производство продуктов питания, спрос на продукцию которой, казалось бы, есть всегда, по многим видам товаров сократила производство в разы. Например, объемы производства сыров упали на 13%, Муки – в 3 раза, сахара – более чем в 5 раз, хлеба и хлебобулочных изделий – почти в 1,5 раза, колбасных изделий – в 3 раза, масла сливочного – более чем в 5 раз.

Рис.43. Производство отдельных товаров пищевой промышленности (тыс.ед.)
product_names43 <- c("Cheese with high fat content", "Flour", "White crystalline sugar", "Bread and flour products", "Sausages", "Butter")

fig43 <- data.frame() 

for (i in product_names43){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig43 <- rbind(fig43, temp)
}


fig43$Year <- as.numeric(fig43$Year)

ggplot(data = fig43, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Thousand units")+
        ggtitle("Fig.43. Manufacture of individual food products")+
        geom_smooth(method = "loess")+
        facet_grid(ProductName~., scales = "free")

Кроме того, катастрофическое падение производства, например, в станкостроении, говорит и о том, что отрасли, «инструментарий» для обеспечения работы которых производило станкостроение, так же находятся в бедственном положении. Так, например, только по сравнению с 2003 годом (уже далеко не лучшим годом украинской промышленности) в 2015 году производство прессов и ковальных машин упало в 37 раз, станков для обработки дерева, токарных и фрезеровальных станков – в 3 раза. (Рис.44)

Рис.44. Производство некоторых товаров станкостроения40.
product_names44 <- c("Presses and forge machines", "Lathes for wood processing", "Lathes, grinders, drillers, milling machines")

fig44 <- data.frame() 

for (i in product_names44){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig44 <- rbind(fig44, temp)
}


fig44$Year <- as.numeric(fig44$Year)

ggplot(data = fig44, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Pieces")+
        geom_smooth(method = "loess")+
        #theme(legend.position = "bottom",
         #     legend.spacing = unit(1, "cm"))+
        ggtitle("Fig.44. Production of some machine-tool products")+
        
        facet_grid(ProductName~., scales = "free")

Падение производства различных комплектующих для электронных приборов, так же свидетельствует о плачевном положении дел в целой отрасли. Так, производство автоматической аппаратуры регулирования и управления, снизилось почти в 43 раза, электродвигателей и генераторов – в 8 раз (постоянного тока) и 4 раза (универсальных). Холодильников и стиральных машин стали производить, соответственно, в 8 и 3 раза меньше. (Рис.45).

Рис.45. Производство некоторых товаров и комплектующих приборостроения.
product_names45 <- c("Devices and facilities for automatic regulation and management", "DC motors and dc generators", "Ac motors and ac generators, universal motors")

fig45 <- data.frame() 

for (i in product_names45){
       temp <- ProcessingIndustry.Nan  %>% filter(ProductName == i) 
       fig45 <- rbind(fig45, temp)
}


fig45$Year <- as.numeric(fig45$Year)

ggplot(data = fig45, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Pieces")+
        geom_smooth(method = "loess")+
        #theme(legend.position = "bottom",
         #     legend.spacing = unit(1, "cm"))+
        ggtitle("Fig.45. Production of some goods and components of instrument manufacture")+
        
        facet_grid(ProductName~., scales = "free")

Но при этом, добывающая промышленность либо не снижает темпы, либо даже наращивает их. Так, добыча каменного угля возросла на 3%, торфа на 20%, природного газа – на 16%. Добыча железорудных концентратов увеличилась больше чем в 1,5 раза, добыча гипса и ангидрида – более чем в 2 раза., добыча известняка осталась на прежнем уровне, добыча песка возросла на 20% а гальки и гравия – на 30%. Добыча коалина и коалиновой глины увеличилась на 15 процентов, а соли и хлорида натрия – на 22% (рис. 46)41.

Рис. 46. Производство некоторых продуктов добывающей промышленности по годам.
ExtractiveIndustry.Nan <- ExtractiveIndustry %>% filter(Value > 0)
product_names46 <- c("Coal available", "Non-agglomerate fuel peat (conventional moisture)", "Natural gas", "Non-agglomerated iron concentrates", "Agglomerated iron concentrates", "Gypsum and anhydrite", "Limestone", "Natural sands", "Pebbles, gravel, macadam and crushed stone", "Kaolin and other kaolinitic clay", "Salt and pure sodium chloride")

fig46 <- data.frame() 

for (i in product_names46){
       temp <- ExtractiveIndustry.Nan  %>% filter(ProductName == i) 
       fig46 <- rbind(fig46, temp)
}


fig46$Year <- as.numeric(as.character(fig46$Year))


ggplot(data = fig46, aes(x = Year, y = Value, fill = ProductName))+
        geom_bar(aes(colour = Units), stat = "identity")+
        
        
        xlab("Years")+
        ylab("Units")+
        ggtitle("Fig. 46. Production of some products of the extractive industry by years.")+
        facet_grid(ProductName~., scales = "free")

Выводы, которые очевидны из подобной статистики, к сожалению, не новы и неутешительны. Украина быстрыми темпами превращается в сырьевой придаток, если не колонию, более развитых стран мира. Некоторые косвенные показатели так же свидетельствуют о катастрофическом снижении темпов производства. Так, например, потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд снизилось в 2,2 раза (Рис.47.)42.

Рис.47. Потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд по годам (млн.т.у.т.)
cons.energy <- data.frame(Million.tons=c(325.9, 186.1, 175.7, 157.1, 145.7), Year=as.factor(c(1990, 1995, 2007, 2011, 2013)))

#Потребление топливно-энергетических ресурсов для производственно-эксплуатационных нужд по годам (млн.т.у.т.)
cons.energy
##   Million.tons Year
## 1        325.9 1990
## 2        186.1 1995
## 3        175.7 2007
## 4        157.1 2011
## 5        145.7 2013
ggplot(data = cons.energy, aes(x = Year, y = Million.tons, fill = Million.tons))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("Million tons of equivalent fuel")+
        ggtitle("Fig. 47.Consumption of fuel and energy resources for production and 
                maintenance needs by years (Million tons of equivalent fuel)")

Авторам думается, что любой житель Украины среднего возраста назовет из своего опыта или информации, запомнившейся из сообщений СМИ, хотя бы один частный пример продажи «на металлолом» некогда прибыльного, работавшего в три смены предприятия. Особенно эта практика была присуща периоду «большой приватизации» (до 2000 года). Некоторым образом, оперируя общими цифрами, эту тенденцию можно отследить и в динамике сокращения экспорта металлолома из Украины после завершения этапа «большой приватизации». Так, с 2006 по 2016 гг. экспорт лома черных металлов снизился почти в 3 раза. (рис.48.)43.

Рис.48. Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export <- data.frame(thousand.US.dollars=c(745.9, 637.28, 664.74, 366.54, 252.08), Year=as.factor(c(2006, 2008, 2010, 2012, 2016)))

#Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export
##   thousand.US.dollars Year
## 1              745.90 2006
## 2              637.28 2008
## 3              664.74 2010
## 4              366.54 2012
## 5              252.08 2016
ggplot(data = scrap.export, aes(x = Year, y = thousand.US.dollars, fill = thousand.US.dollars))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("thousand US dollars")+
        ggtitle("Fig.48. Export of ferrous scrap by years")

Честно говоря, хотелось бы объяснить такое снижение другими, более оптимистичными, причинами – например, увеличением потребления лома металлургической промышленностью Украины за счет ее стремительного развития, но, к сожалению, это не так. Динамика снижения экспорта продуктов металлургии за тот же период более чем в 2 раза (Рис. 49)44. и снижение общих объемов производства основных изделий этой отрасли, приведенные выше, подтверждают это.

Рис.49. Экспорт изделий из недрагоценных металлов по годам (тыс.дол.США)
scrap.export <- data.frame(thousand.US.dollars=c(745.9, 637.28, 664.74, 366.54, 252.08), Year=as.factor(c(2006, 2008, 2010, 2012, 2016)))

#Экспорт лома черных металлов по годам (тыс.дол.США)
scrap.export
##   thousand.US.dollars Year
## 1              745.90 2006
## 2              637.28 2008
## 3              664.74 2010
## 4              366.54 2012
## 5              252.08 2016
ggplot(data = scrap.export, aes(x = Year, y = thousand.US.dollars, fill = thousand.US.dollars))+
        geom_bar(colour = "black", stat = "identity")+
        
        
        xlab("Years")+
        ylab("thousand US dollars")+
        ggtitle("Fig.49. Exports of products from non-precious metals by years")

СУДОСТРОЕНИЕ УКРАИНЫ. КАК УНИЧТОЖИТЬ ОТРАСЛЬ ЗА 25 ЛЕТ.

К сожалению, отрасль судостроения в целом не представлена в официальных открытых отчетах Госкомстата Украины. По этому авторы пользовались некими иллюстративными фактами, демонстрирующими состояние промышленности в целом, взятых из публикаций СМИ. Тем не менее, те статистические данные, которые удалось собрать, представлены отдельным листом в авторских таблицах раздела Индустриальное производство.

Судостроение Украины - это самый жестокий, но при этом, и самый показательный пример постсоветской деградации промышленности. Это прискорбный пример того, как успешную, прибыльную, наукоемкую, престижную, обладающую колоссальными фондами и потенциалом отрасль можно уничтожить за 25 лет. В период независимости Украина вошла, унаследовав 30% судостроительных активов СССР45. Страна могла проектировать и производить любые корабли: авианосцы, эсминцы, противолодочные корабли, ракетные крейсеры, а так же суда торгового флота. Кроме того, это был один из редчайших случаев, когда на территории одной республики СССР, ставшей независимым государством, находился полный производственно-технологический цикл отрасли: от разработчиков, через производство (что, опять же крайне важно и крайне редко для постсоветских республик - основанное на локальном сырье и комплектующих), и вплоть до подготовки обслуживающего персонала. Но, поистине, уникальным явлением было то, что кроме производственного цикла Украине достался и вполне дееспособный экономический цикл – производство, вся необходимая инфраструктура (порты), и самое главное, в отличие от многих других отраслей - мощный внутренний заказчик на продукцию судостроения в лице 7 судоходных компаний (одна из которых была второй по величине в мире!) так же находился в Украине. Ибо, по формальным законам либеральной экономики, «свалившимся» на молодую Украину после экономики государственного планирования, смерть такой отрасли, как, например, космостроение, не просто простительна, а, скорее, неизбежна: внутри страны осталась только часть производственного цикла, только 30% из необходимых комплектующих могли производиться на локальном рынке, полностью отсутствовала инфраструктура (ни одного космодрома), и, самое главное, единственный привычный заказчик, которого обслуживала отрасль – в лице оборонпрома СССР – канул в лету. А вот судостроение, по тем же законам либеральной экономики, наоборот, должно было расцвести, стать главной бюджето-образующей отраслью Украины, вывести ее в «лидеры судостроительной отрасли мира». Итак, в 1991 году Украина с гордостью могла называться «морской державой», получив «в наследство» от СССР следующее:

ВНУТРЕННИЙ ГРАЖДАНСКИЙ ЗАКАЗЧИК:

ВНУТРЕННИЙ ВОЕННЫЙ ЗАКАЗЧИК:

ПРОИЗВОДСТВО И РЕМОНТ:

ЛОКАЛЬНЫЕ КОМПЛЕКТУЮЩИЕ И ОБОРУДОВАНИЕ:

ИНФРАСТРУКТУРА:

ИССЛЕДОВАНИЯ, ПРОЕКТИРОВАНИЕ И РАЗРАБОТКИ:

ПОДГОТОВКА ПЕРСОНАЛА:

Мировая практика показывает, что тяжелые отрасли промышленности, такие как, например, судостроение или авиационная и космическая промышленность, развиваются только в тех странах, где существует сильный внутренний заказчик – обычно в лице государства - создающий спрос на продукцию этих отраслей на внутреннем рынке и проводящий политику поддержки внутреннего производителя. И действительно, окончательная деградация украинского судостроения началась именно с разорения судоходных компаний Украины, а так же плачевного состояния ВМСУ, как и всей Армии в целом. Так, Черноморское морское пароходство владело в 1990 году 300 судами различных типов общим дедвейтом 5 млн т. На 1991 г. цена ЧМП составляла $7 млрд, флот насчитывал 295 судов и 1100 единиц вспомогательных судов. Суда списывались как устаревшие, передавались в оффшорные компании в управление, арестовывались в заграничных портах «за долги». На начало 1998 г. на балансе пароходства оставалось уже 15 судов, а в 2004 г. - всего 647. Вторая по величине в мире (!) судоходная компания перестала существовать. (см.Рис.50.).

Рис. 50. Динамика изменения количества судов во владении Черноморского морского пароходства (ед.)48.
Black.Sea.Shipping.Company <- data.frame(Year=c(1990, 1992, 1998, 2004), `Number of ships`=c(300, 255, 15, 6))

ggplot(data = Black.Sea.Shipping.Company, aes(x = Year, y = Number.of.ships, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(size = Number.of.ships, color = Number.of.ships))+
       
        xlab("Year")+
        ylab("Number of ships")+
        ggtitle("Fig. 50. Dynamics of changes in the number of vessels in the 
                possession of the Black Sea Shipping Company (units)")

Азовское морское пароходство– шестая по величине компания, входящая в состав Министерства морского флота СССР. Это было одно из самых обновленных морских пароходств страны. В состав флота на 24 августа 1991 г. входило 146 судов: сухогрузы, балкеры, контейнеровозы, танкеры дедвейтом от 3000 до 30 000 т. Кроме коммерческих судов АМП располагало мощными ледоколами и буксирами, судами портового флота. Собственный парк морских контейнеров (международного стандарта) позволял компании надежно перекрывать потребности пяти контейнерных линий. 1993 г. предопределил судьбу АМП. Фонд госимущества Украины подписал договор аренды с организацией арендаторов АМП. С этого времени началось повальное создание совместных предприятий за рубежом, там же создавались финансово-расчетные центры. Флот старел, не обновлялся, закупка новостроящихся судов не велась. 24 января 2003 г. решением Донецкого регионального фонда госимущества Украины по согласованию с Министерством транспорта и Антимонопольным комитетом Украины был досрочно прекращен договор аренды госимущества и организации аренды Азовского морского пароходства. На момент прекращения действия договора аренды в составе флота АМП числилось всего 33 действующих судна. Однако ни одно из этих 33 судов не было в прямом управлении пароходства. Пароходство было некредитоспособно, долги по зарплате, закупке бункера, снабжения, продовольствия, воды продолжали расти. Суда арестовывались в зарубежных портах и продавались. 24 сентября 2003 г. было создано ООО «Торговый флот Донбасса», которому было передано 33 судна бывшего АМП, возраст которых составлял 26-28 лет. Это все, что осталось от цветущей компании и ее современного флота. (Рис.51)49:

Рис. 51. Динамика изменения количества судов во владении Азовского морского пароходства (ед.).
#Fig. 51. Dynamics of changes in the number of vessels in the possession of the Azov Shipping Company (units).

Azov.Shipping.Company <- data.frame(Year=as.factor(c(1990, 2004)), `Number of ships`=as.factor(c(146, 33)))

ggplot(data = Azov.Shipping.Company, aes(x = Year, y = Number.of.ships))+
        geom_bar(colour="darkblue", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Number of ships")+
        ggtitle("Fig. 51. Dynamics of changes in the number of vessels in the 
                possession of the Azov Shipping Company (units).")

В период 1992—1997 г. ВМСУ фактически не существовали в качестве самостоятельного компонента Вооруженных Сил Украины. Корабли бывшего КЧФ ВМФ СССР формально осуществляли свою боевую службу под совместным командованием России и Украины. После подписания 28 мая 1997 года «Соглашения между Российской Федерацией и Украиной о параметрах раздела Черноморского флота» был осуществлён окончательный раздел Черноморского флота СССР. В соответствии с договором, ВМС Украины были переданы 43 боевых корабля, 132 судов и катеров50:. В 2012 году в составе ВМСУ уже осталось только 25 кораблей и 54 обслуживающих судов. Плачевное состояние, в котором остались ВМС Украины после крымского кризиса еще менее утешительно – общий итог – всего около 50 единиц флота (Рис.52).

Рис.52. ВМС Украины. Количество единиц флота по годам (ед.)
#Fig.52. The Ukrainian Navy. Number of fleet units by year (units)

Navy.ships <- data.frame(Year=as.factor(c(1997, 2012, 2015)), `Number of ships`=as.factor(c(175, 79, 50)))

ggplot(data = Navy.ships, aes(x = Year, y = Number.of.ships))+
        geom_bar(colour="darkblue", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Number of ships")+
        
        ggtitle("Fig.52. The Ukrainian Navy. Number of fleet units by year (units)")

Итак, первый важнейший компонент успешного развития отрасли – наличие внутреннего заказчика, т.е. спроса на продукцию - был уничтожен. Гражданский заказчик в лице пароходств практически прекратил свое существование к 2004-2005 гг, военный заказчик, фактически, так и не появился. На этом, по большому счету, можно было бы и закончить, поскольку в стране, где нет мощного флота, не может быть развитого судостроения. Но мы, все же, сделаем попытку отследить дальнейшую судьбу отрасли. К сожалению, отрасль судостроения в целом не представлена в официальных открытых отчетах Госкомстата Украины. По этому авторам придется пользоваться некими иллюстративными фактами, демонстрирующими состояние судостроительных заводов Украины, взятых из открытых источников. Так, предприятия знаменитого николаевского судостроительного треугольника (Черноморский судостроительный завод, Завод им.62 коммунара и завод «Океан») перед распадом СССР насчитывали более 65 тыс.чел.персонала. За время независимости, количество работников заводов сократилось в 38 раз, и на сегодняшний день составляет 1700 чел. Так, ЧСЗ сократил персонал с 40000 до 800 человек, заводе им. 61 коммунара с 13000 до 700, завод «Океан» - с 12000 до 200. (рис.53)51.

Рис.53. Количество сотрудников 3-х кораблестроительных заводов Николаева по годам (чел)
# Creation of a data frame of the employees of the main shipbuilding plants of Nikolaev for 1990 and 2015
shipbuilding.employees <- data.frame(Employees=as.numeric(c(40000, 13000, 12000, 800, 700, 200)), Year= gl(2, 3, labels = c(1990, 2015)), Shipbuilding.enterprise = rep(c("Black Sea Shipyard", "61. Kommunara", "Ocean"), 2))


ggplot(data = shipbuilding.employees, aes(x = Year, y = Employees, fill = Shipbuilding.enterprise))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("Number of employees")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.53. Number of employees of 3 shipbuilding plants of Nikolaev 
                by years (people)")

Количество сотрудников 3-х кораблестроительных заводов Николаева по годам

shipbuilding.employees
##   Employees Year Shipbuilding.enterprise
## 1     40000 1990      Black Sea Shipyard
## 2     13000 1990           61. Kommunara
## 3     12000 1990                   Ocean
## 4       800 2015      Black Sea Shipyard
## 5       700 2015           61. Kommunara
## 6       200 2015                   Ocean

Справедливости ради надо отметить, что эти три предприятия принадлежат к разным формам собственности. Старейшая верфь Николаева – Государственный завод имени 61-го коммунара, ныне находится в ведении УкрОборнПрома. В советские времена на заводе строили эсминцы, противолодочные корабли пр.1134Б типа «Николаев» и ракетные крейсеры пр.1164 типа «Слава», которые, по заключению зарубежных экспертов, были лучшими в мире в своем классе в то время52. Сейчас же завод продолжает накапливать долги и провоцировать недовольство немногочисленного персонала, который периодически напоминает о себе, выходя на акции протеста с перекрытием дорог и требованием выплатить долги по зарплате53, при этом завод иногда выполняет единичные заказы по профилю, и с гордостью осваивает производство «буржуек» для воинов АТО54. ЧСЗ, принадлежащий Публичному акционерному обществу «Смарт Мэритайм Груп» так же выполняет единичные заказы по профилю, и «соптимизировав» количество сотрудников до 540 человек, под модным названием «Индустриальный парк»55 открывает пункт перевалки грузов. А самый технологически новый судостроительный завод города Николаева – «Океан» - уже несколько лет находится в перманентном процессе банкротства (сумма требований кредиторов составляет 1 млрд 813,15 млн грн56) а так же не вылезает из скандальных рейдерских захватов и судебных разбирательств, о которых так любят писать в СМИ.
Возвращаясь к общим цифрам, нужно отметить, что к моменту распада СССР кадровый потенциал кораблестроительной отрасли Украины составлял более 200 тыс.чел57, в 2010 году – порядка 50 тыс.чел., а в 2016 году - всего 12 тыс.чел58, т.е. сократился почти в 17 раз. (рис.54).

Рис.54. Кадровый потенциал отрасли судостроения Украины по годам (чел.)
# Creation of a data frame of the personnel potential of the shipbuilding industry of Ukraine by years
# Создание таблицы данных кадрового потенциала судостроительной отрасли Украины по годам 
human.resources.shipbuilding <- data.frame(Year=as.factor(c(1990, 2010, 2016)), `Number of people`=as.factor(c(220000, 50000, 12000)))


ggplot(data = human.resources.shipbuilding, aes(x = Year, y = Number.of.people))+
        geom_bar(colour="darkorange", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("Person")+
        
        ggtitle("Fig.54. Personnel potential of Ukrainian shipbuilding industry 
                for years (pers.)")

Кадровый потенциал судостроительной отрасли Украины по годам

human.resources.shipbuilding
##   Year Number.of.people
## 1 1990           220000
## 2 2010            50000
## 3 2016            12000

Катастрофически сократились, конечно же, и объемы производства отрасли - с 2.млрд.дол.США59 в 1988 году до 300 млн.дол.США (в 15 раз) в 2006 г. (рис.55)60, и до 150 млн.дол.США (в 30 раз по сравнению с 1988 г), в 2015 году.

Рис. 55. Объемы производства судостроительной отрасли Украины (млн.ном.дол.США)
# Creating a data frame of production volumes of shipbuilding industry in Ukraine by years 
# Создание таблицы данных объема производства судостроительной отрасли Украины по годам 
shipbuilding.industry <- data.frame(Year = as.factor(c(1990, 2006, 2015)), `Volumes.of.production(million USD)` = as.factor(c(2000, 300, 150)))


ggplot(data = shipbuilding.industry, aes(x = Year, y = Volumes.of.production.million.USD.))+
        geom_bar(colour="darkorange", fill = "darkgray", stat = "identity")+
        xlab("Year")+
        ylab("million USD")+
        
        ggtitle("Fig. 55. Volumes of production of the shipbuilding industry of Ukraine 
                (million US dollars)")

Объемы производства судостроительной отрасли Украины (млн.ном.дол.США)

shipbuilding.industry
##   Year Volumes.of.production.million.USD.
## 1 1990                               2000
## 2 2006                                300
## 3 2015                                150

Хотя 150 млн.долларов кажется огромной суммой, но для судостроения – это мизерная цифра. Средняя рыночная стоимость одного современного надводного корабля составляет 200 млн.дол.США61. Другими словами, вся судостроительная отрасль Украины в 2015 году «наработала» ¾ корабля, которые раннее ежегодно десятками сходили со стапелей судостроительных заводов Украины. Все эти цифры тем более прискорбно осознавать с учетом того, что, как отмечают эксперты, при грамотном использовании потенциала «морской державы», полученного Украиной в День Независимости, только доля морских перевозок составляла бы более 15 процентов сегодняшнего ВВП страны, а судостроение и ремонт составили бы еще 10 процентов ВВП62.

МОНОПОЛИЗАЦИЯ РЫНКОВ В УКРАИНЕ

*Данные, проанализированные в этом разделе, взяты из официального ежегодного отчета Антимонопольного комитета Украины за 2015 год, который на момент последней редакции данной работы был опубликован на сайте АМКУ в разделе «Отчеты и публикации», и был доступен для скачивания по ссылке http://www.amc.gov.ua/amku/doccatalog/document?id=122547&schema=main . Для удобства читателя данный отчет так же загружен на сайт____.*

В начале 2015 года в Украине на рынках с конкурентной структурой реализовывалось всего 42,7 % общего объема продукции. Это самый низкий показатель за последние 15 лет (с 2000 года), когда рынки с конкурентной структурой в Украине составляли больше половины (почти 54%). За эти же 15 лет вырос объем рынка с признаками коллективного доминирования или олигопольных рынков (на которых доля трех крупнейших хозяйствующих субъектов превышала 50 процентов) – с 11,6 до 16,7 %. Рынки с признаками единоличного доминирования (на которых доля крупнейшего предприятия составляла более 35 процентов) так же возросли на 8 % (с 22,7 до 30,8). Доля монополизированных рынков (на которых доля крупнейшего предприятия составляла более 90 процентов) незначительно снизилась (с 11,8 до 9,8% соответственно). См. рис.56 и рис.5763.

Рис.56. Монополизация рынка Украины в 2015 г. (%)
Monopoly_ua.2015 <- Monopoly_ua %>% filter(Year == 2015) 

ggplot(Monopoly_ua.2015, aes(x="", y=`Market.share(%)`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`Market.share(%)`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.56. Monopolization of the Ukrainian market in 2015 (%)")

Монополизация рынка Украины в 2015 г. (%)

Monopoly_ua.2015
##                       Market.type Year Market.share(%)
## 1             Competitive markets 2015            42.7
## 2                       Oligopoly 2015            16.7
## 3 Markets with signs of dominance 2015            30.8
## 4             Monopolized markets 2015             9.8
Рис. 57. Динамика монополизации рынка Украины по годам (%)
Monopoly_ua <- arrange(Monopoly_ua, Year)

ggplot(data = Monopoly_ua, aes(x = Market.type, y = `Market.share(%)`, fill = Market.type))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Market share(%)")+
        ylab("Market type")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 57. Dynamics of monopolization of the Ukrainian market 
                by years (%)")+
        coord_flip()+
        facet_grid(Year~., scales = "free")

Динамика монополизации рынка Украины по годам (%)

Monopoly_ua.2015
##                       Market.type Year Market.share(%)
## 1             Competitive markets 2015            42.7
## 2                       Oligopoly 2015            16.7
## 3 Markets with signs of dominance 2015            30.8
## 4             Monopolized markets 2015             9.8

Изучая условия конкуренции на рынках Украины в разрезе видов экономической деятельности, можно прийти к следующим результатам. По состоянию на 2015 год, наибольшая доля рынка с конкурентной структурой принадлежала отрасли сельского хозяйства – 95,67%. Так же больше половины рынка имели конкурентную структуру для операций с недвижимостью (80,94%), финансов и страхования (71,39%), оптовой и розничной торговли (66,48%), перерабатывающей промышленности (50,74%). От 50 до 30% товаров и услуг реализовывались в конкурентной среде в строительстве (49,3%), администрировании (40,73%), информации и телекоммуникации (33,91%). От 30 до 10 процентов рынка с конкурентной структурой были в деятельности отелей и ресторанов (28,27%), профессиональной, научной и технической деятельности (25,65), а так же транспорта (19,02). В наименьшей мере конкурентная структура рынка была в сфере культуры, спорта и досуга (3,08%), а так же в добывающей промышленности – всего 0,9%. В сфере водоснабжения, водоотведения и обращения с отходами, а так же в поставке электроэнергии, газа, пара, и др.. – конкурентная структура отсутствовала вовсе – 0% (Рис.58)64.

Рис. 58 Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.compet <- Monopoly_by_activity %>% filter(Type.of.the.market == "Competitive markets") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.compet, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Level (in %)")+
        ylab("Economic activity")+
        ggtitle("Fig. 58 Competitive structure of markets by types of economic activity in 2015 (%)")+
        coord_flip()

Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.compet
##                          Economic.activity  Type.of.the.market     %
## 1           Agriculture, forestry, fishery Competitive markets 95.67
## 2                             Real estate  Competitive markets 80.94
## 3                    Finance and Insurance Competitive markets 71.39
## 4  Wholesale and retail trade (incl. auto) Competitive markets 66.48
## 5                     Processing  industry Competitive markets 50.74
## 6                             Construction Competitive markets 49.30
## 7              Administration and services Competitive markets 40.73
## 8       Information and telecommunications Competitive markets 33.91
## 9                           Other services Competitive markets 29.89
## 10                  Hotels and restaurants Competitive markets 28.27
## 11  Prof., scientific and tech. activities Competitive markets 25.65
## 12                Transport, storage, mail Competitive markets 19.02
## 13                 Culture, sport, leisure Competitive markets  3.08
## 14                     Extracting industry Competitive markets  0.90
## 15        Supply of electricity, gas, etc. Competitive markets  0.00
## 16             Water supply and sanitation Competitive markets  0.00

Рынки с признаками коллективного доминирования или олигопольные рынки (на которых доля трех крупнейших хозяйствующих субъектов превышала 50 процентов) были наиболее характерны для добывающей (50,54%) и перерабатывающей промышленности (22,94%), сферы финансов и страхования (19,78%), а так же строительства (18,05%) (рис.59)65.

Рис. 59 Рынки с коллективным доминированием (олигополии) по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.oligopoly <- Monopoly_by_activity %>% filter(Type.of.the.market == "Oligopoly") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.oligopoly, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 59 Markets with collective dominance (oligopoly) by 
                types of economic activity in 2015 (%)")+
        coord_flip()

Конкурентная структура рынков по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.oligopoly
##                          Economic.activity Type.of.the.market     %
## 1                      Extracting industry          Oligopoly 50.45
## 2                     Processing  industry          Oligopoly 22.94
## 3                    Finance and Insurance          Oligopoly 19.78
## 4                             Construction          Oligopoly 18.05
## 5                           Other services          Oligopoly 11.36
## 6              Administration and services          Oligopoly 10.99
## 7  Wholesale and retail trade (incl. auto)          Oligopoly 10.45
## 8                   Hotels and restaurants          Oligopoly  9.99
## 9       Information and telecommunications          Oligopoly  5.77
## 10  Prof., scientific and tech. activities          Oligopoly  5.09
## 11                Transport, storage, mail          Oligopoly  3.83
## 12                 Culture, sport, leisure          Oligopoly  1.58
## 13          Agriculture, forestry, fishery          Oligopoly  1.33
## 14                            Real estate           Oligopoly  0.30
## 15        Supply of electricity, gas, etc.          Oligopoly  0.00
## 16             Water supply and sanitation          Oligopoly  0.00

Рынки с признаками единоличного доминирования (на которых доля крупнейшего предприятия составляла более 35 процентов) были наиболее характерны для сферы культуры, спорта и досуга (91,5%), поставки электроэнергии, газа, пара, и др. (69,52%), отельного и ресторанного бизнеса (61,6%), информации и телекоммуникаций (60,15%) а так же добывающей промышленности (47,44%) (рис.60)66.

Рис. 60. Рынки с признаками единоличного доминирования по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.dominance <- Monopoly_by_activity %>% filter(Type.of.the.market == "With signs of dominance") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.dominance, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 60 Markets with signs of sole dominance by types 
                of economic activity in 2015 (%)")+
        coord_flip()

Рынки с признаками единоличного доминирования по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.dominance
##                          Economic.activity      Type.of.the.market     %
## 1                  Culture, sport, leisure With signs of dominance 91.52
## 2         Supply of electricity, gas, etc. With signs of dominance 69.52
## 3                   Hotels and restaurants With signs of dominance 61.60
## 4       Information and telecommunications With signs of dominance 60.15
## 5                           Other services With signs of dominance 50.20
## 6                      Extracting industry With signs of dominance 47.44
## 7              Administration and services With signs of dominance 44.50
## 8                 Transport, storage, mail With signs of dominance 39.38
## 9                     Processing  industry With signs of dominance 25.00
## 10                            Construction With signs of dominance 22.60
## 11 Wholesale and retail trade (incl. auto) With signs of dominance 20.49
## 12                            Real estate  With signs of dominance 18.16
## 13                   Finance and Insurance With signs of dominance  6.88
## 14  Prof., scientific and tech. activities With signs of dominance  4.54
## 15             Water supply and sanitation With signs of dominance  3.84
## 16          Agriculture, forestry, fishery With signs of dominance  2.77

И, наконец, монополии (рынки, на которых доля крупнейшего предприятия составляла более 90 процентов) по видам экономической деятельности были представлены следующим образом. Самый монополизированный рынок в Украине в сфере водоснабжения, водоотведения и обращения с отходами (96,16%), научная, техническая и профессиональная деятельность (64,72%), транспорт, складское хозяйствование, почта и курьерская доставка (33,7%) а так же поставка электроэнергии, газа, пара и др. (30,48%) (рис.61)67.

Рис. 61. Монополии по видам экономической деятельности в 2015 г. (%)
Monopoly_by_activity.monopoly <- Monopoly_by_activity %>% filter(Type.of.the.market == "Monopolized markets") %>% arrange(desc(`%`))

ggplot(data = Monopoly_by_activity.monopoly, aes(x = Economic.activity, y = `%`, fill = `%`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Economic activity")+
        ylab("Level (in %)")+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 61. Monopolies by types of economic activity in 2015 (%)")+
        coord_flip()

Монополии по видам экономической деятельности в 2015 г. (%)

Monopoly_by_activity.monopoly
##                          Economic.activity  Type.of.the.market     %
## 1              Water supply and sanitation Monopolized markets 96.16
## 2   Prof., scientific and tech. activities Monopolized markets 64.72
## 3                 Transport, storage, mail Monopolized markets 37.77
## 4         Supply of electricity, gas, etc. Monopolized markets 30.48
## 5                             Construction Monopolized markets 10.04
## 6                           Other services Monopolized markets  8.55
## 7                  Culture, sport, leisure Monopolized markets  3.81
## 8              Administration and services Monopolized markets  3.77
## 9  Wholesale and retail trade (incl. auto) Monopolized markets  2.58
## 10                   Finance and Insurance Monopolized markets  1.95
## 11                    Processing  industry Monopolized markets  1.32
## 12                     Extracting industry Monopolized markets  1.22
## 13                            Real estate  Monopolized markets  0.61
## 14          Agriculture, forestry, fishery Monopolized markets  0.22
## 15      Information and telecommunications Monopolized markets  0.18
## 16                  Hotels and restaurants Monopolized markets  0.15

По отраслям национальной экономики конкурентные условия рынка выглядят следующим образом (рис.62-67)68:

Рис.62.Топливно-энергетический комплекс
Fuel.energy.m <- Monopoly_by_branches %>% filter(Branch == "Fuel and energy complex") %>% arrange(desc(`%`))

ggplot(Fuel.energy.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.62. The fuel and energy complex")

Топливно-энергетический комплекс

Fuel.energy.m
##                       Market.type                  Branch    %
## 1 Markets with signs of dominance Fuel and energy complex 72.7
## 2             Monopolized markets Fuel and energy complex 25.5
## 3                       Oligopoly Fuel and energy complex  1.6
## 4             Competitive markets Fuel and energy complex  0.2
Рис. 63. Аграрно-промышленный комплекс
agro.industrial.m <- Monopoly_by_branches %>% filter(Branch == "Agrarian and industrial complex") %>% arrange(desc(`%`))

ggplot(agro.industrial.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig. 63. Agro-industrial complex")

Аграрно-промышленный комплекс

agro.industrial.m
##                       Market.type                          Branch    %
## 1             Competitive markets Agrarian and industrial complex 73.0
## 2 Markets with signs of dominance Agrarian and industrial complex 16.6
## 3                       Oligopoly Agrarian and industrial complex  8.8
## 4             Monopolized markets Agrarian and industrial complex  1.6
Рис.64. Горно-металлургический комплекс
mining.metall.m <- Monopoly_by_branches %>% filter(Branch == "Mining and metallurgical complex") %>% arrange(desc(`%`))

ggplot(mining.metall.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.64. Mining and metallurgical complex")

Горно-металлургический комплекс

mining.metall.m
##                       Market.type                           Branch    %
## 1             Competitive markets Mining and metallurgical complex 55.2
## 2                       Oligopoly Mining and metallurgical complex 33.9
## 3 Markets with signs of dominance Mining and metallurgical complex 10.4
## 4             Monopolized markets Mining and metallurgical complex  0.4
Рис.65. Транспорт и связь
transport.communication.m <- Monopoly_by_branches %>% filter(Branch == "Transport and communication") %>% arrange(desc(`%`))

ggplot(transport.communication.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.65. Transport and communication")

Транспорт и связь

transport.communication.m
##                       Market.type                      Branch    %
## 1 Markets with signs of dominance Transport and communication 51.8
## 2             Monopolized markets Transport and communication 30.0
## 3             Competitive markets Transport and communication 15.1
## 4                       Oligopoly Transport and communication  3.0
Рис.66. Строительство
construction.m <- Monopoly_by_branches %>% filter(Branch == "Construction") %>% arrange(desc(`%`))

ggplot(construction.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.66. Construction")

Строительство

construction.m
##                       Market.type       Branch    %
## 1             Competitive markets Construction 49.3
## 2 Markets with signs of dominance Construction 22.6
## 3                       Oligopoly Construction 18.1
## 4             Monopolized markets Construction 10.0
Рис.67. Торговля
trade.m <- Monopoly_by_branches %>% filter(Branch == "Trade") %>% arrange(desc(`%`))

ggplot(trade.m, aes(x="", y=`%`, fill=Market.type)) +
      geom_bar(width=100, stat="identity", color="black") +
      scale_fill_brewer(palette="Pastel2") +
      coord_polar(theta="y") +
      geom_text(aes(x=1.4, label=`%`), 
                position=position_stack(vjust=0.5), size=4) +
        ggtitle("Fig.67. Trade")

Торговля

trade.m
##                       Market.type Branch    %
## 1             Competitive markets  Trade 66.5
## 2 Markets with signs of dominance  Trade 20.5
## 3                       Oligopoly  Trade 10.5
## 4             Monopolized markets  Trade  2.6

ЧТО БЫЛО ОБЪЕКТОМ ИНВЕСТИРОВАНИЯ В УКРАИНЕ?

Данные для построения графиков 68-69 а так же 74 были взяты из архива ежегодно публикуемых на сайте комитета статистики соответствующих показателей (на момент последней редакции работы активные ссылки на данные показатели были, соответственно, http://www.ukrstat.gov.ua/operativ/menu/menu_u/ioz.htm и http://www.ukrstat.gov.ua/operativ/operativ2016/zd/ivu/ivu_u/ivu0116.html) . Данные для рисунка 73 – из глобальной базы данных World Bank - http://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD. Кроме того, авторские таблицы, сформированные из этих данных, доступны для скачивания на нашем сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments%20in%20the%20fixed%20assets.xlsx.* Данные для графиков 70-72 взяты из Статистического ежегодника Украины за 2013 г. (на момент последней редакции работы его можно было загрузить по ссылке library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf.* *Данные графиков 75 и 76 формировались на основе показателей глобальной базы данных NationMaster http://www.nationmaster.com/country-info/stats/Economy/Foreign-direct-investment и статьи http://eucham.eu/charts/153-2015-03-foreign-direct-investment-per-capita-in-europehttp://eucham.eu/charts/153-2015-03-foreign-direct-investment-per-capita-in-europe.*

Данные для построения графа 77 взяты из глобальной международной базы данных .World Bank. На момент последней редакции данной работы, эти и другие данные были доступны по ссылке http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS.* Данные для графиков 78 и 79 формировались из показателей глобальной базы данных Мирового Банка. Исходные таблицы в разных форматах, в том числе и excel, можно загрузить по ссылкам http://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD и http://data.worldbank.org/indicator/NY.GSR.NFCY.CD (на момент последней редакции работы).*

С 2004 по 2015 инвестиции в основные фонды предприятий Украины составили более 262 млрд.дол.США. Если посмотреть на график вложения капиталов в основные фонды по годам, то его пики вполне соответствуют росту и кризисам мировой экономики (резкое падение в 2008-2009 гг), падению гривны, а так же значительному уменьшению уровня инвестиций начиная с 2013 г (начало политической нестабильности в Украине). А 2015 год - год, когда в статистику уже не попадали данные по Крыму, а курс гривны «провалился» как никогда ранее – вообще показал итог в два раза ниже 2004 года. (см.рис.68)69.

Рис.68. Инвестиции в основные фонды предприятий Украины по годам (млн.ном.дол.США).
f.a.i.year <- data.frame()
for(i in 2004:2015){
        temp <- FixedAssetsInvestments %>% filter(Year==i) %>% summarise(Year = i, `Million USD`=sum(million.USD))
        f.a.i.year <- rbind(f.a.i.year, temp)
}

ggplot(data = f.a.i.year, aes(x = Year, y = `Million USD`, group = 1))+
        geom_line(colour="darkblue", size = 1)+
        geom_point(colour="darkorange", size = 2)+
        xlab("Year")+
        ylab("Million USD")+
        ggtitle("Fig.68. Investments in fixed assets of Ukrainian enterprises 
                by years (million US dollars).")

В разрезе видов экономической деятельности основным бенефициаром инвестиций стала промышленность Украины, в основные фонды которой было вложено более 94 млрд.ном.дол.США или 36% от общих инвестиций в основные фонды страны. На втором месте операции с недвижимостью и аренда - 40 млрд.дол.США или 15% общих инвестиций, на третьем месте транспорт, что включает в себя так же и услуги по логистике, перевозкам и склады, - 31 млрд.дол.США или 12% общих инвестиций. Далее с небольшим разрывом следуют строительство (порядка 20 млрд.дол.США) и сельское хозяйство (17 млрд.дол.США),. «Почта и связь», которые с 2013 года именуются уже «телекоммуникация и связь» на седьмом месте с объемом привлеченных инвестиций в 13,6 млрд.дол.США. Государственное управление, категория, которая с 2013 года включает в себя так же и оборону, и обязательное страхование, составило 4,1 млрд., или 1,6%. Здравоохранение и образование на предпоследнем и последнем месте, с показателями 3,2 млрд.и 2,09 млрд. (1,3% и 0,8%) соответственно.

Рис.69. Инвестиции в основные фонды предприятий по видам экономической деятельности по накопительному итогу с 2004 по 2015гг. (млн.ном.дол.США)
category <- c("Agriculture, hunting and forestry", "Industrial production", "Construction", "Trade; repair of motor vehicles, household appliances and personal demand items", "Activity of hotels and restaurants", "Activity of transport and communications", "activity of mail and communications", "Financial activity", "Real estate activities, renting, engineering and provision of services to businessmen", "Public administration", "Education", "other serivices")

f.a.i.category <- data.frame(Category = "", `Million USD` = as.numeric(""))
        
for(i in category){
        temp <- FixedAssetsInvestments %>% filter(Category==i) %>% summarise(Category = i, `Million USD`=sum(million.USD))
        names(f.a.i.category) <- names(temp)
        f.a.i.category <- rbind(f.a.i.category, temp)   
}

f.a.i.category <- f.a.i.category[-1,]
f.a.i.category <- f.a.i.category %>% arrange(desc(`Million USD`))

ggplot(data = f.a.i.category, aes(x = Category, y = `Million USD`, fill = Category))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Category of economic activity")+
        ylab("Million USD")+
        guides(fill=FALSE)+
        #scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.69. Investments in fixed assets of enterprises by types of 
                economic activity from 2004 to 2015. (Million USD)") + 
        coord_flip()

С 2013 года как отдельный вид экономической деятельности выносится «профессиональная, научная и техническая деятельность», с показателем инвестиций по накопительному итогу за 3 года в 737 млн.дол.США. К сожалению, неизвестно, в каких отраслях экономики данный крайне интересный для анализа показатель находился раннее, и отследить его динамику за более длительный период не представляется возможным. Однако, если анализировать только три года (с 2013 по 2015гг), то инвестиции в данный показатель составил бы почти 1,5% общего объема инвестиций, заняв 3-е место с конца после здравоохранения и образования. При этом интересно сравнить данный «рейтинг» с динамикой роста износа основных средств украинских предприятий. Так, в целом по всем предприятиям, износ основных средств с 2000 по 2012 г. возрос с 47,3 в 2000 году до 76,7% в 2012. (Рис.70)

Рис. 70. Степень износа основных средств украинских предприятий по годам (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
Depreciation_fixed_assets$Year <- as.factor(Depreciation_fixed_assets$Year)
Depreciation_fixed_assets$Depreciation.of.fixed.assets..... <- as.factor(Depreciation_fixed_assets$Depreciation.of.fixed.assets.....)
depreciation.fa <- Depreciation_fixed_assets[25:26,] 


ggplot(data = depreciation.fa, aes(x = Year, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar(colour="darkblue", fill = "white", stat = "identity")+
        xlab("Year")+
        ylab("% of Depreciation")+
        ggtitle("Fig. 70. Degree of depreciation of fixed assets of Ukrainian enterprises 
                by years (%).")

**_Степень износа основных средств украинских предприятий по годам (%)**

depreciation.fa
##    Economic.activity Year Depreciation.of.fixed.assets.....
## 25        Total 2000 2000                              43.7
## 26        Total 2012 2012                              76.7

Просто катастрофический износ средств наблюдался в транспортной инфраструктуре и перевозках грузов – 96%. На втором месте находилась промышленность (57,3%) а так же строительство (55,1%), получающая на протяжении тех же лет практически в два раза больше инвестиций в основные фонды. Оптовая и розничная торговля, отели и рестораны выглядят самыми «обновленными» - 42% и 33,4% износа соответственно. Отдельно необходимо отметить, что единственная отрасль – сельское хозяйство, за указанный период уменьшило износ основных средств 43,7% до 34,6%. (Рис.71).

Рис.71. Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
depreciation.fa12 <- Depreciation_fixed_assets %>% filter(Year==2012)
 


ggplot(data = depreciation.fa12[-13,], aes(x = 
Economic.activity, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar( colour="darkblue", fill = "white", stat = "identity")+
        xlab("Type of economic activity")+
        ylab("% of Depreciation")+
        coord_flip()+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.71. Rating of depreciation of fixed assets by types of 
                economic activity 2012 (%).")

Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%)

depreciation.fa12[-13,]
##                  Economic.activity Year Depreciation.of.fixed.assets.....
## 1                      Agriculture 2012                              34.6
## 2                         Industry 2012                              57.3
## 3                     Construction 2012                              55.1
## 4       Wholesale and retail trade 2012                                42
## 5           Hotels and restaurants 2012                              33.4
## 6                        Transport 2012                                96
## 7             Financial activities 2012                              45.6
## 8      Operations with real estate 2012                              42.5
## 9            Public administration 2012                              51.4
## 10                       Education 2012                              43.6
## 11 Health care and social payments 2012                              42.4
## 12                  other services 2012                              46.7
Рис. 72. Степень износа основных средств по видам экономической деятельности по годам (%).
# Creating a data table with comparative information on depreciation of fixed assets of Ukrainian enterprises 
# Создание таблицы данных со сравнительнной информацией износа основных средств украинских предприятий
depreciation.faTotal <- Depreciation_fixed_assets[-c(25:26),] 
 


ggplot(data = depreciation.faTotal, aes(x = 
Year, y = `Depreciation.of.fixed.assets.....`))+
        geom_bar( aes(fill=Economic.activity), stat = "identity")+
        xlab("Type of economic activity")+
        ylab("% of Depreciation")+
        facet_grid(.~Economic.activity, scales = "free")+
        ggtitle("Fig. 72. Depreciation of fixed assets by economic activities by year (%).")

Рейтинг степени износа основных средств по видам экономической деятельности 2012 г (%)

depreciation.fa12[-13,]
##                  Economic.activity Year Depreciation.of.fixed.assets.....
## 1                      Agriculture 2012                              34.6
## 2                         Industry 2012                              57.3
## 3                     Construction 2012                              55.1
## 4       Wholesale and retail trade 2012                                42
## 5           Hotels and restaurants 2012                              33.4
## 6                        Transport 2012                                96
## 7             Financial activities 2012                              45.6
## 8      Operations with real estate 2012                              42.5
## 9            Public administration 2012                              51.4
## 10                       Education 2012                              43.6
## 11 Health care and social payments 2012                              42.4
## 12                  other services 2012                              46.7

ИНОСТРАННЫЕ ИНВЕСТИЦИИ – ПАНАЦЕЯ ЛИ?

Иностранные инвестиции в Украину государственный комитет статистики публикует «по накопительному итогу». С 1994 года, когда этот показатель стал учитываться комитетом статистики Украины, общие иностранные инвестиции к 2013 году составили 58,15 млрд.дол.США70. После того, как в 2014 году из статистики были исключены территории Крыма и зоны проведения АТО, этот показатель к концу 2015 году уменьшился до 43,37 млрд.дол.США71. Т.е. только с точки зрения потери вложенных прямых иностранных инвестиций утрата этих регионов «стоила» экономике Украины почти 15 млрд.дол.США. Иностранные инвестиции в Украине имели явную тенденцию к росту, о чем свидетельствует линия тренда графика на рисунке 73. Конечно же, инвестиции крайне чувствительны как общемировым кризисам, по этому, мы наблюдаем резкое падение уровня инвестиций в Украине в 2009 г, что, очевидно, объясняется общемировым финансовым кризисом того периода.

Рис.73. Прямые иностранные инвестиции в Украину по годам (млн.дол.США) по данным Госкомстата Украины
direct.investments.gsk <- direct.investments.goskomstat[1:13,1:3]

ggplot(data = direct.investments.gsk, aes(x = year, y = direct.investments.by.year, group = 1))+
        geom_line(colour="darkorange", size = 1)+
        geom_point(aes(size = direct.investments.by.year, color = direct.investments.by.year))+
       
        xlab("Year")+
        ylab("million USD")+
        ggtitle("Fig.73. Foreign direct investment, net inflows (State Statistics 
                Committee of Ukraine)")

Прямые иностранные инвестиции в Украину по годам (млрд.дол.США)

direct.investments.gsk
##         year direct.investments..Cumulative.total..Million.USD
## 1  1994-2001                                            4406.2
## 2       2002                                            5339.0
## 3       2003                                            6657.6
## 4       2004                                            8353.9
## 5       2005                                           16375.2
## 6       2006                                           21186.0
## 7       2007                                           29489.4
## 8       2008                                           35723.4
## 9       2009                                           40026.8
## 10      2010                                           44708.0
## 11      2011                                           49362.3
## 12      2012                                           54462.4
## 13      2013                                           58156.9
##    direct.investments.by.year
## 1                      4406.2
## 2                       932.8
## 3                      1318.6
## 4                      1696.3
## 5                      8021.3
## 6                      4810.8
## 7                      8303.4
## 8                      6234.0
## 9                      4303.4
## 10                     4681.2
## 11                     4654.3
## 12                     5100.1
## 13                     3694.5

При этом, отдельно стоит отметить, что по данным Мирового Банка, который учитывает иностранные инвестиции в Украину начиная с 1992 года, к концу 2015 общий объем иностранных инвестиций составил почти 78 млрд.дол.США72, что в 1,8 раза больше, чем инвестиции «учтенные» комитетом статистики Украины.

Рис.73a. Прямые иностранные инвестиции в Украину по данным разных источников за период 1994 - 2015 гг. (млн.дол.США)
# Получаем данные Ворлд Банка для получения информации о прямых инвестициях в страны, разбитых по уровню доходу
direct_investmentUA <- wb(country = c("UA"), indicator = "BX.KLT.DINV.CD.WD", startdate = 1990, enddate = 2016, removeNA = TRUE) %>% select(value, date, country)

# Для наглядности, делим все значения колонки value на 1 млн
direct_investmentUA$value <- sapply(direct_investmentUA$value, function(x) x/1000000)

direct_investmentUA$date <- as.numeric(direct_investmentUA$date)

# Создаем выборку данных периода 1994-2015 года по прямым инвестициям в Украину, согласно данным Всемирного Банка, и объеденяем их в одну цифру
direct.investments.2s <- direct_investmentUA %>% filter(date >=1994) %>% summarise(Year = 2015, Direct.investments.Cumulative.total.Million.USD = sum(value), Source = "World Bank")
# Создаем временную таблицу по прямым инвестициям в Украину, согласно данным Госкомстата Украины
temp <- data.frame(Year = 2015, Direct.investments.Cumulative.total.Million.USD = direct.investments.goskomstat[15,2], Source = "Goskomstat")   
# Обейденяем данные ВБ и Госкомстата в одну таблицу       
direct.investments.2s <- rbind(direct.investments.2s, temp)

ggplot(data = direct.investments.2s, aes(x = Source, y = Direct.investments.Cumulative.total.Million.USD, fill = Source))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("data source")+
        ylab("million US dollars")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.73a. Foreign direct investment in Ukraine according to various 
                sources (million USD)")

Если сравнить данные Мирового Банка и Госкомстата по годам (выбраны годы, по которым доступно сравнение – 1994-2013 гг), то видно, что с 1994 по 2005 Госкомстат «насчитывал» чуть больше иностранных инвестиций в Украину, чем Мировой Банк. А вот начиная с 2006 года и по 2013 год инвестиции в Украину по данным Мирового Банк отличаются уже в сторону увеличения, причем существенно. В этот период Госкомстат «недосчитывал» от 20 до 70% иностранных инвестиций ежегодно.

Рис. 73.б Прямые иностранные инвестиции в Украину по данным разных источников по годам (млн.дол. США)
# Создание таблицы данных прямых инвестиций в Украину Мирового Банка
direct_investmentUA <- direct_investmentUA %>% arrange(date) 
direct_investmentUA2 <- direct_investmentUA %>% filter(date >= 1994 & date <= 2001) %>% summarise(value = sum(value), date = "1994-2001")
direct_investmentUA2 <- rbind(direct_investmentUA2, direct_investmentUA[11:24,1:2])
direct_investmentUA2$date <- as.factor(direct_investmentUA2$date)
direct_investmentUA2$source <- rep("World Bank", 15)
# Создание таблицы данных прямых инвестиций в Украину Госкомстата
direct.investments.goskomstat <- direct.investments.goskomstat[,1:3]
colnames(direct.investments.goskomstat) <- c("date", "direct.investments..Cumulative.total..Million.USD", "value")
direct.investments.gks <- direct.investments.goskomstat %>% select(c(date, value))
direct.investments.gks$source <- rep("Goskomstat", 15)
# Объеденяем оба источника данных в одну таблицу
direct.investments.2s <- rbind(direct_investmentUA2, direct.investments.gks)

ggplot(data = direct.investments.2s, aes(x = date, y = value, fill = source))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("million USD")+
        
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig. 73.b Foreign direct investment in Ukraine according to different sources 
                by year (million USD)")+
        facet_grid(source~., scales = "free")
## Warning: Removed 2 rows containing missing values (position_stack).

Прямые иностранные инвестиции в Украину по данным разных источников по годам (млн.дол. США)

direct.investments.2s
##       value      date     source
## 1    4196.0 1994-2001 World Bank
## 11    693.0      2002 World Bank
## 12   1424.0      2003 World Bank
## 13   1715.0      2004 World Bank
## 14   7808.0      2005 World Bank
## 15   5604.0      2006 World Bank
## 16  10193.0      2007 World Bank
## 17  10700.0      2008 World Bank
## 18   4769.0      2009 World Bank
## 19   6451.0      2010 World Bank
## 20   7207.0      2011 World Bank
## 21   8175.0      2012 World Bank
## 22   4509.0      2013 World Bank
## 23    847.0      2014 World Bank
## 24   3050.0      2015 World Bank
## 110  4406.2 1994-2001 Goskomstat
## 2     932.8      2002 Goskomstat
## 3    1318.6      2003 Goskomstat
## 4    1696.3      2004 Goskomstat
## 5    8021.3      2005 Goskomstat
## 6    4810.8      2006 Goskomstat
## 7    8303.4      2007 Goskomstat
## 8    6234.0      2008 Goskomstat
## 9    4303.4      2009 Goskomstat
## 10   4681.2      2010 Goskomstat
## 111  4654.3      2011 Goskomstat
## 121  5100.1      2012 Goskomstat
## 131  3694.5      2013 Goskomstat
## 141      NA      2014 Goskomstat
## 151      NA      2015 Goskomstat

Необходимо так же отметить, что за последние 10 лет в среднем 30% от общего объема так называемых «прямых иностранных инвестиций» в Украину - это инвестиции из таких стран как Кипр, Белиз, Виргинские Острова – оффшорных зон, т.е. это кругооборот денег, которые выходят из Украины через трансфертное ценообразование и заходят назад как прямые иностранные инвестиции. (Рис.74)

Рис.74. Доля оффшорных стран в прямых иностранных инвестициях в Украину по годам (%)73.
colnames(Offshore_investments) <- c("Year", "% of offshore zones investments")

ggplot(data = Offshore_investments, aes(x = Year, y = `% of offshore zones investments`, fill = `% of offshore zones investments`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Year")+
        ylab("% of offshore zones investments")+
        
        ggtitle("Fig.74. The share of offshore countries in foreign direct investment in Ukraine by 
                years (%)")

Доля оффшорных стран в прямых иностранных инвестициях в Украину по годам (%)

Offshore_investments
##   Year % of offshore zones investments
## 1 2007                            23.6
## 2 2008                            25.2
## 3 2009                            24.9
## 4 2010                            25.5
## 5 2011                            28.9
## 6 2012                            35.2
## 7 2013                            35.7
## 8 2014                            32.5
## 9 2015                            29.6

А если к инвестициям из оффшорных зон добавить так же и инвестиции из Нидерландов (страны, крайне популярной для регистрации холдингов), то цифра получится еще больше – в среднем почти 40% ежегодно.

Рис.74a. Доля оффшорных стран и Нидерландов в прямых иностранных инвестициях в Украину по годам (%)74.
colnames(Offshore.andN_investments) <- c("Year", "% of offshore zones investments")

ggplot(data = Offshore.andN_investments, aes(x = Year, y = `% of offshore zones investments`, fill = `% of offshore zones investments`))+
        geom_bar(colour = "black", stat = "identity")+
        xlab("Year")+
        ylab("% of offshore zones investments")+
        
        ggtitle("Fig. 74a. The share of offshore countries and the Netherlands in foreign direct 
                investment in Ukraine by years (%).")

Доля оффшорных стран и Нидерландов в прямых иностранных инвестициях в Украину по годам (%)

Offshore.andN_investments
##   Year % of offshore zones investments
## 1 2007                            32.1
## 2 2008                            34.1
## 3 2009                            34.9
## 4 2010                            36.0
## 5 2011                            38.7
## 6 2012                            44.7
## 7 2013                            46.8
## 8 2014                            45.4
## 9 2015                            42.7
Рис.75. Общий объем инвестиций как % от ВВП75.
# Рисунки 75-76 доклада удалены. 77 стал 75

direct_investment <- wb(country = c("UA","BY","LT","LV","RU"), indicator = "NE.GDI.TOTL.ZS", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)


direct_investment$date <- as.numeric(direct_investment$date)



ggplot(data = direct_investment, aes(x = date, y = value, fill = country))+
        geom_bar(colour="black", stat = "identity")+
        xlab("Year")+
        ylab("%")+
        geom_smooth(method = "loess")+
        scale_fill_brewer(palette="Pastel2") +
        ggtitle("Fig.75. Gross capital formation (% of GDP)")+
        
        facet_grid(country~., scales = "free")

Из телевизионных выступлений, статей в прессе, других информационных потоков, говорящих о том, что «ЕС выделяет финансирование», «МВФ подтвердило очередной транш», «США готовы инвестировать в…», и так далее, автор уверен, у многих формируется ощущение, что «богатые» страны, в каком то роде помогают «бедным». Давайте рассмотрим инвестиции в разрезе уровня дохода стран, куда они попадают. И так, по классификации Мирового Банка76 к группе с «высоким уровнем дохода» относятся 79 стран мира, население которых составляет 1,2 млрд. человек. В группе с уровнем дохода «выше среднего» - 56 стран, общая численность населения которых - 2,6 млрд.чел. И в группах с уровнем дохода «низкий» и «ниже среднего» - 83 страны , общей численностью населения 3,6 млрд. Если принять как гипотезу, что «богатые» страны охотно инвестируют в «бедные», и сравнить инвестиционные потоки по этим группам, то, исходя из указанных цифр, прямые иностранные инвестиции должны в большей степени поступать в страны с низким и ниже среднего уровнем дохода. Однако, как свидетельствует статистика того же Мирового Банка77, на самом деле, все на оборот. Так, в 2015 году, инвестиции в страны с высоким уровнем дохода (79 стран, 1,2 млрд.чел. население) больше чем в 10 раз (!!!) превышали инвестиции в страны с уровнем дохода «низкий и ниже среднего» (83 страны, 3,6 млрд.чел. население). И подобная динамика наблюдалась и 10 и 20 лет назад (см. Рис 78).

Рис.76. Инвестиции по уровню дохода стран 1990-2015 гг. (млрд.дол.США)
# Подлючаемся к данным Ворлд Банка для получения информации о прямых инвестициях в страны, разбитых по уровню доходу
investment_income.level <- wb(indicator = "BX.KLT.DINV.CD.WD", startdate = 1990, enddate = 2015, removeNA = TRUE) %>% select(value, date, country)

# Извлекаем строки со словом Low income, High income, Lower middle income, Upper middle income, и создем из них новую таблицу
temp <- grep("Low income|High income|Lower middle income|Upper middle income", investment_income.level$country)
fdi <- data.frame()
for(i in temp){
        fdi <- rbind(fdi, investment_income.level[i,])
}

# Для наглядности, делим все значения колонки value на 1 млрд
fdi$value <- sapply(fdi$value, function(x) x/1000000000)

fdi$country <- as.factor(fdi$country)

# Объеденяем страны низкого и ниже среднего уровня доходов
low.and.lowermiddle <- data.frame() 
for(i in 2015:1990){
        temp <- fdi %>% filter(date == i, country == "Lower middle income" | country == "Low income") %>%
                summarise(value = sum(value), date = i, country = "Low and lower-middle income")
        
        low.and.lowermiddle <- rbind(low.and.lowermiddle, temp)
}

# Создаем новую таблицу из категорий High income, Upper middle income и Low and lower-middle income 
temp <- fdi %>% filter(country == "High income" | country == "Upper middle income") 
fdi <- rbind(temp, low.and.lowermiddle)

# Для нормальной визуализации графика, переводим fdi$date в класс numeric
fdi$date <- as.numeric(fdi$date)

# Создаем график 
ggplot(data = fdi, aes(x = date, y = value))+
        geom_line(aes(colour = country))+
        geom_point()+
       
        xlab("Year")+
        ylab("Billions of USD")+
        ggtitle("Fig. 76. Investments depending on the level of income of countries 1990-2015.")

Инвестиции по уровню дохода стран 1990-2015 гг. (млрд.дол.США)

fdi2 <- spread(fdi, country, value)
fdi2
##    date High income Upper middle income Low and lower-middle income
## 1  1990    175.4120            15.88950                    5.013373
## 2  1991    117.1829            24.04589                    5.779737
## 3  1992    110.8661            35.03903                    7.343100
## 4  1993    150.3527            50.09302                   11.301956
## 5  1994    160.3529            67.91719                   13.586365
## 6  1995    228.1993            75.41204                   16.289078
## 7  1996    250.3852            92.73203                   20.458310
## 8  1997    310.6735           128.60955                   21.985275
## 9  1998    528.6309           131.61888                   19.057915
## 10 1999    808.5265           139.26427                   14.107615
## 11 2000   1313.8178           135.36134                   11.451123
## 12 2001    636.7580           146.33993                   12.978082
## 13 2002    587.2921           134.14967                   20.090688
## 14 2003    547.1690           141.90413                   20.753681
## 15 2004    786.5003           190.13091                   27.605207
## 16 2005   1219.9641           247.93879                   54.310922
## 17 2006   1731.0132           327.49552                   77.616081
## 18 2007   2516.5988           440.47132                  108.283606
## 19 2008   1816.2159           491.37060                  136.098806
## 20 2009    934.1706           323.13478                  103.430964
## 21 2010   1235.3717           517.80406                  105.767116
## 22 2011   1550.6222           604.74494                  130.387265
## 23 2012   1441.9339           544.16155                  124.785134
## 24 2013   1341.0259           614.32869                  130.979778
## 25 2014   1104.7398           538.20117                  135.863367
## 26 2015   1487.3387           502.20640                  145.572914

Кроме того, благодаря тем же информационным потокам, мы, в какой-то мере начинаем считать «инвестиции» дружеской помощью, совершенно забывая о том, что «инвестор» и «благотворитель» - это совершенно разные вещи. Задача инвестора не в том, что бы помочь деньгами нуждающемуся, а в том, что бы вернуть вложенные средства, как можно быстрее, и с как можно большим доходом.
По этому, говоря о растущем уровне иностранных инвестиций, крайне важно упоминать и такой, мало принятый в Украине, но популярный в мировой статистической практике показатель, как чистый иностранный доход (Net income from abroad). Чистый иностранный доход это разница между общим значением дохода, полученного не-ризеднтами из страны и выплаченного не-резидентами для страны78. Он включает в себя все: доходы от трудовой деятельности, доходы от имущества и предпринимательский доход (что покрывает, собственно, инвестиционные доходы), а так же доходы от нефинансовой собственности (патенты, авторские права и т.д.). Данный показатель может быть как положительным, так и отрицательным. Его отрицательная величина означает, что «изъятых» не-резидентами из страны денег больше, чем «вложенных» в нее. Если говорить об Украине, то за все годы ее независимости, этот показатель всегда был отрицательным. Другими словами, не смотря на положительную динамику иностранных инвестиций, не-резидентами «изымается» из страны больше, чем вкладывается. Так, начиная с 1993 года из Украины было выведено на 32 млрд.долларов больше, чем «вложено» иностранным капиталом. В среднем, ежегодно «изымается» на 1,4 млрд. долларов больше, чем вкладывается. (см.Рис 77)

Рис.77. Чистый иностранный доход Украины 1992-2015 гг (млн.дол.США) !!!! СРАВНИТЬ С ПОЛЬШЕЙ
# Получаем данные Всемирного Банка  о чистых иностранных доходах Украины
nfi.UA <- wb(country = c("UA"), indicator = "NY.GSR.NFCY.CD", startdate = 1990, enddate = 2016, removeNA = TRUE) %>% select(value, date, country)

# Для наглядности, делим все значения колонки value на 1 млн
nfi.UA$value <- sapply(nfi.UA$value, function(x) x/1000000)

nfi.UA$date <- as.numeric(nfi.UA$date)


ggplot(data = nfi.UA, aes(x = date, y = value, fill=value))+
        geom_bar(colour="black",  stat = "identity")+
        xlab("Year")+
        ylab("million USD")+
        geom_smooth(method = "loess")+
        ggtitle("Fig.77. Net foreign income of Ukraine in 1993-2015 (million US dollars)")

Чистый иностранный доход Украины 1992-2015 гг (млн.дол.США)

nfi.UA
##          value date country
## 2  -1192.24343 2015 Ukraine
## 3  -1558.47292 2014 Ukraine
## 4  -3098.21093 2013 Ukraine
## 5  -2968.33938 2012 Ukraine
## 6  -3796.00000 2011 Ukraine
## 7  -2009.00000 2010 Ukraine
## 8  -2440.00000 2009 Ukraine
## 9  -1540.00000 2008 Ukraine
## 10 -2117.00000 2007 Ukraine
## 11 -1722.00000 2006 Ukraine
## 12  -985.00000 2005 Ukraine
## 13  -798.76417 2004 Ukraine
## 14  -581.00000 2003 Ukraine
## 15  -606.00000 2002 Ukraine
## 16  -667.00000 2001 Ukraine
## 17  -942.00570 2000 Ukraine
## 18  -869.00886 1999 Ukraine
## 19  -844.66214 1998 Ukraine
## 20  -644.03508 1997 Ukraine
## 21  -572.28751 1996 Ukraine
## 22  -775.74069 1995 Ukraine
## 23  -341.03012 1994 Ukraine
## 24 -1584.51327 1993 Ukraine
## 25   -67.14286 1992 Ukraine

Аналогичная ситуация наблюдается не только в отношении Украины и других стран бывшего СССР, но в отношении «новых демократий» стран Европейского Союза. Например в 2015 году для Венгрии этот показатель составил минус 5,5 млрд.долларов, а для Польши - минус 16,5 млрд.долларов. Стоит ли удивляться, что для таких стран, как, например, Франция, Германия, США – этот показатель положительный? (см.Рис.80) (!!!! Другие Европейские страны. ПОКАЗАТЬ ЧТО ВСЕ ЗАБИРАЕТ НА СЕБЯ ГЕРМАНИЯ)

Рис.78 (80). Чистый иностранный доход некоторых стран, 2015 г. (млн.дол.США)

ПРИВАТИЗИРОВАТЬ ИЛИ УПРАВЛЯТЬ ЭФФЕКТИВНО?

Tables Are Cool
col 3 is right-aligned $1600
col 2 is centered $12
zebra stripes are neat $1
Markdown Less Pretty
Still renders nicely
1 2 3

  1. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html . Авторская таблица https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_ua.xlsx

  2. Группы объектов приватизации: A - небольшие объекты, B, Г - большие и стратегические предприятия, Д - объекты незавершенного строительства, E - акции и доли, принадлежащие государству в уставном капитале хозяйственных обществ, Ж - социально-культурные объекты (образование, здравоохранение, научно-исследовательские компании).Более детально см.приложение 1.

  3. Отчет Фонда государственного имущества Украины за 2004 г. Приложение 5. (к сожалению, нумерация страниц в приложениях данного отчета отсутствует) http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html

  4. УМОВИ ЗАВЕРШЕННЯ ПРИВАТИЗАЦІЇ В УКРАЇНІ. Аналітичний звіт та рекомендації для Державної програми приватизації. Володимир Дубровський, Олександр Пасхавер, Лідія Верховодова, Барбара Блащик. Варшава, Київ - грудень 2007

  5. “Статистичний щорічник України за 2013 рік”. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск. О.А. Вишневська. 2013. library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/number_of_enterprices_%20by_ownership_ua.xlsx

  6. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html

  7. По данным ежегодных отчетов Фонда государственного имущества Украины http://www.spfu.gov.ua/ru/documents/docs-list/spf-reports.html. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_comulative_total.xlsx

  8. Авторская таблица доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/ukr_budget_receipt_per_year.xlsx

  9. Данные финансового портала МинФин http://index.minfin.com.ua/budget/ Данные авторской таблицы можно загрузить https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_receipts_in_total_ukr_budget_receipts_per_year.xlsx

  10. http://voxukraine.org/2015/01/23/outsourcing-privatization-attracting-capital-while-raising-efficiency/

  11. Авторская таблица, составленная по данным отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/privatization_contracts_over_control.xlsx

  12. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/violations_in_%20the_%20contracts_over_control.xlsx

  13. Авторская таблица с данными доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/penalties_per_violation_in_the_contracts_over_control.xlsx

  14. Авторы хотели бы проанализировать все показатели (в первую очередь, сохранение основных видов деятельности и сохранение объемов производства.), но, к сожалению, подробная открытая статистика для этих показателей в нашей стране отсутствует. Данные, и то не полные (не все года), авторы смогли собрать из тех же отчетов Фонда госимущества только по приведенным в этой работе показателям: объем привлеченных инвестиций, количество предприятий, взявших обязательства касательно рабочих мест, вновь созданные рабочие места).

  15. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  16. Авторская таблица, составленная на основе данных отчета Фонда государственного имущества Украины за 2015 год доступна по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments_in_privatized_companies.xlsx

  17. http://ua.censor.net.ua/news/405508/u_slujbi_zayinyatosti_na_obliku_stoyit_na_10_menshe_lyudeyi_nij_mynulogo_roku_rozenko

  18. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  19. http://data.worldbank.org/indicator/NY.GDP.PCAP.CD

  20. http://data.worldbank.org/indicator/NV.IND.TOTL.ZS

  21. http://data.worldbank.org/indicator/NV.AGR.TOTL.ZS

  22. http://data.worldbank.org/indicator/NV.SRV.TETC.ZS

  23. http://data.worldbank.org/indicator/GC.DOD.TOTL.GD.ZS

  24. http://www.ebrd.com/what-we-do/economic-research-and-data/data/forecasts-macro-data-transition-indicators.html. Авторская таблица доступна для скачивания https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/GDP_by_private_companies_ua_by_year.xlsx

  25. http://www.ukrstat.gov.ua/

  26. https://ukrstat.org/uk/operativ/operativ2013/fin/kp_ed/kp_ed_u/arh_kzp_ed_u.htm

  27. http://buklib.net/books/31118/ . Авторская таблица доступна для скачивания по ссылке https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour.xlsx

  28. Данные Государственного комитета статистики Украины за соответствующий год http://www.ukrstat.gov.ua/. Авторская таблица доступна для скачивания на сайте - https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/employed_in_economic_activity.xlsx

  29. Сайт государственного комитета статистики Украины http://www.ukrstat.gov.ua/ (Публикации/рынок труда/ Праця України 2015/) (Разделы 6 и 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm . Авторская таблица доступна для скачивания на сайте - https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/labour%20force%20by%20economic%20activity.xlsx

  30. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.IND.EMPL.ZS

  31. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.AGR.EMPL.ZS

  32. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.SRV.EMPL.ZS

  33. Данные Мирового Банка - http://data.worldbank.org/indicator/SL.UEM.TOTL.ZS

  34. http://www.nationmaster.com/country-info/stats/Labor/Salaries-and-benefits/Monthly-minimum-wage

  35. Данные глобальной базы данных NationMaster http://www.nationmaster.com/country-info/stats/Cost-of-living/Average-monthly-disposable-salary/After-tax .Хочется отметить, что средняя заработная плата в Украине после смены власти в 2014 году, в долларовом эквиваленте уменьшилась более чем в 2,5 раза.

  36. Праця України 2015/ (Раздел 7) http://www.ukrstat.gov.ua/druk/publicat/kat_u/publ11_u.htm

  37. https://www.statbureau.org/ru/united-states/inflation-charts-yearly

  38. https://www.quandl.com/data/WORLDBANK/BLR_IPTOTSAKD-Belarus-Industrial-Production-constant-US-seas-adj - для данных по Беларуси, и http://databank.worldbank.org/data/download/GemDataEXTR.zip - для данных по другим странам.

  39. Статистичний щорічник України за 2013 рік. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск О.А. Вишневська. 2013 library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf

  40. http://www.ukrstat.gov.ua/operativ/operativ2006/pr/prm_ric/prm_ric_u/vov2004_u.html

  41. http://www.ukrstat.gov.ua/operativ/operativ2006/pr/prm_ric/prm_ric_u/vov2004_u.html

  42. Статистичний щорічник України за 2013 рік”. ДЕРЖАВНА СЛУЖБА СТАТИСТИКИ УКРАЇНИ. За редакцією О.Г.Осауленка. Відповідальний за випуск О.А. Вишневська. 2013, стр. 88. library.oneu.edu.ua/files/StatSchorichnyk_Ukrainy_2013.pdf

  43. ДОБАВИТЬ ССЫЛКУ !!!!!!!!!

  44. ДОБАВИТЬ ССЫЛКУ !!!!!!!!!

  45. http://voicesevas.ru/analytics/6994-sudostroenie-ukrainy-ot-avianoscev-k-burzhuykam.html

  46. Судостроение Украины: прошлое и настоящее языком цифр и фактов. http://morvesti.ru/tems/detail.php?ID=53194

  47. Там же.

  48. Там же.

  49. Там же.

  50. Соглашение между Российской Федерацией и Украиной о параметрах раздела Черноморского флота

  51. Судостроительная отрасль Украины: заводы разграблены, специалистов нет. http://economics.unian.net/industry/1111210-sudostroitelnaya-otrasl-ukrainyi-zavodyi-razgrablenyi-spetsialistov-net.html

  52. http://job-sbu.org/sudostroenie-ukrainyi-patsient-skoree-mertv.html

  53. Тупик «Океана». https://news.pn/ru/politics/169662

  54. Судостроение Украины: от авианосцев к буржуйкам http://voicesevas.ru/analytics/6994-sudostroenie-ukrainy-ot-avianoscev-k-burzhuykam.html

  55. http://hubs.ua/business/industrial-ny-j-park-na-baze-chsz-budet-rabotat-kak-biznes-inkubator-82030.html. Индустриальный парк на базе Черноморского судостроительного завода будет работать как бизнес-инкубатор

  56. Николаевский судостроительный завод “Океан” продадут за долги. http://uc.od.ua/news/traffic/fleet/1184522.html

  57. Судостроение Украины: 20 лет на пути в небытие http://nikvesti.com/news/politics/23527

  58. Сжались вчетверо: какие перспективы у судостроения Украины. http://ports.com.ua/articles/szhalis-vchetvero-kakie-perspektivy-u-sudostroeniya-ukrainy

  59. Судостроение Украины: 20 лет на пути в небытие http://nikvesti.com/news/politics/23527

  60. Судостроение Украины (2007 г.) http://www.ukrexport.gov.ua/rus/economy/brief/ukr/3013.html

  61. Мировой рынок надводных кораблей. https://topwar.ru/26714-mirovoy-rynok-nadvodnyh-korabley.html

  62. Украина потеряла десятки миллиардов долларов на судоходстве http://www.segodnya.ua/blogs/kotlubaiblog/blog-kak-spasti-torgovoe-sudohodstvo-ukrainy-605293.html

  63. Отчет Антимонопольного комитета Украины за 2015 год. стр.5 и 7 соответственно http://www.amc.gov.ua/amku/doccatalog/document?id=122547&schema=main .

  64. Там же, стр.9

  65. Там же, стр.9

  66. Там же

  67. Там же

  68. Там же

  69. http://www.ukrstat.gov.ua/operativ/menu/menu_u/ioz.htm. Авторская таблица доступна для скачивания на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/investments%20in%20the%20fixed%20assets.xlsx.

  70. http://ukrstat.org/uk/operativ/operativ2013/zd/ivu/ivu_u/ivu0413.html

  71. http://ukrstat.org/uk/operativ/operativ2015/zd/ivu/ivu_u/ivu0415.html

  72. http://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD

  73. http://www.ukrstat.gov.ua/operativ/operativ2016/zd/ivu/ivu_u/ivu0116.html. Авторская таблица доступна для скачивания на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/offshore%20zones%20investments.xlsx.

  74. http://www.ukrstat.gov.ua/operativ/operativ2016/zd/ivu/ivu_u/ivu0116.html. Авторская таблица доступна для скачивания на сайте https://github.com/i2alex/Privatization-in-Ukraine.-1992-2015/blob/master/Data/offshore%20zones%20%2BNetherlands%20investments.xlsx.

  75. http://data.worldbank.org/indicator/NE.GDI.TOTL.ZS

  76. См.детальную классификацию стран Мировым Банком http://blogs.worldbank.org/opendata/new-country-classifications

  77. http://data.worldbank.org/indicator/BX.KLT.DINV.CD.WD

  78. http://data.worldbank.org/indicator/NY.GSR.NFCY.CD